Calidad Parte III Alex Choque

CONTROL DE PROCESOS CONTROL DE PROCESOS CONTROL DE PROCESOS
GESTION DE CALIDAD UMSS 2005 GESTION DE CALIDAD UMSS 2005 GESTION DE CALIDAD UMSS 2005 GABINETE DE GESTION DE PRODUCCION Y CALIDAD GABINETE DE GESTION DE PRODUCCION Y CALIDAD GABINETE DE GESTION DE PRODUCCION Y CALIDAD
CONTROL DE CALIDAD EN EL PROCESO

El control de calidad del proceso de fabricacin se constituye en una etapa fundamental del control de calidad, que tiene como objetivo fundamental el de controlar y garantizar de que el proceso productivo permita la elaboracin de productos dentro de las especificaciones de conformidad (de Calidad) exigidas por los consumidores. Para efectuar el control del proceso productivo se deber medir y analizar las variaciones que se tenga en el proceso y para lo que se requiere del uso de algunas herramientas estadsticas.
1 FORMAS DEL CONTROL DE CALIDAD DEL PROCESO PRODUCTIVO

En forma general existen 3 formas de efectuar el control de calidad del proceso productivo: 1. El control Intermedio 2. El control de Primera pieza y control peridico 3. El Auto control 1.1 EL CONTROL INTERMEDIO El control intermedio consiste en efectuar el control de calidad al finalizar cada una de las etapas u operaciones importantes del proceso productivo.
Primera operacin Inspeccin de calidad por el trabajo realizado
Segunda operacin Inspeccin de calidad por el trabajo realizado
Tercera operacin
Inspeccin de calidad por el trabajo realizado
Ventajas del Control Intermedio
Docente: Ing. Alfredo Cosio Papadpolis Auxiliar: Alex D. Choque Flores 2005
1. Es un sistema simple, fcilmente entendido y comprendido por los trabajadores. 2. Ejerce un control psicolgico sobre los trabajadores, por que el trabajador considera que el control que se realiza mayormente un control sobre el trabajo que realiza. 3. Permite obtener valiosa informacin sobre cada una de las etapas del proceso, la que puede utilizarse en la determinacin de problemas, reprogramacin de la produccin, etc. 4. Protege la operacin siguiente, de manera que no se continua agregado valor a un producto defectuoso.
Desventajas del Control Intermedio
1. Es un sistema con un alto costo debido a que se requiere tantos inspectores de calidad como etapas tenga el proceso. 2. Incrementa el tiempo de fabricacin por las actividades de inspeccin . 3. Provoca problemas organizativos en cuanto a la autoridad sobre el proceso entre los encargados de produccin y los encargados de la calidad. 1.2 EL CONTROL DE LA PRIMERA PIEZA E INSPECCION PERIODICA ( First Piece and Control Patrol) El control de la primera pieza e inspeccin peridica conocido el ingles como first piece and control patrol y que consiste en efectuar el control de calidad de las primeras piezas que se producen despus de haber calibrado o puesto a punto toda la maquinaria y verificar si el proceso esta produciendo piezas dentro de las especificaciones establecidas. En caso afirmativo se otorga la Luz verde es decir la autorizacin para iniciar o continuar con la produccin. Esta forma de control prev la realizacin de inspecciones peridicas (control patrulla ) para verificar si el proceso continua produciendo productos dentro un margen de conformidad.
Primera operacin
Segunda operacin
Tercera operacin
Inspeccin final de calidad del trabajo realizado
Ventajas del Control de Primera Pieza e Inspeccin Peridica 1. Es un sistema de control mucho mas econmico puesto que se efectan menores inspecciones. 2. Requiere de menos personal que en el anterior sistema puesto que existe mucho menos puestos de control. 3. Se aplica fcilmente a procesos continuos de produccin. Desventajas del Control de Primera Pieza e Inspeccin Peridica 1. Si el tiempo entre inspecciones es muy largo se tiene un alto riesgo de producir gran numero de productos defectuosos. 2. Se puede ir acarreando una falla desde la primera operacin e ir agregando valor innecesariamente en las operaciones siguientes hasta culminar todo el proceso. 1.3 AUTOCONTROL Consiste en otorgar al trabajador como una atribucin ms dentro su trabajo rutinario, el control de calidad de la operacin que este efecta. Ventajas del Autocontrol 1. El trabajador participa en forma activa del control de calidad. 2. Se reduce costos, especialmente los de inspeccin. 3. Se logra una toma de consciencia de Calidad en el Trabajo Requisitos Previos 1. 2. 3. 4. El trabajador debe tener el tiempo necesario para hacer el autocontrol. Se le debe otorgar al trabajador los conocimientos necesarios . Se le debe otorgar al trabajador los instrumentos para realizar el autocontrol. El trabajador debe tener el inters necesario.
Pasos: 1. Planificar la aplicacin del sistema. 2. Establecer una poltica para instaurar una conciencia de calidad a todo nivel en la empresa. 3. Controlar el autocontrol. Esto se realiza mediante el ndice de eficiencia del autocontrol. 1.4 NDICE DE EFICIENCIA DEL AUTOCONTROL
E= *100 P + Rfa P + Rfa + 2*Ra + 100*Rc
Donde: P = Es el nmero total de piezas producidas en el periodo. Rfa = Es el nmero de piezas rechazadas en un puesto por fallas de operaciones anteriores. Ra = Es el nmero de piezas rechazadas en la seccin donde se hace el autocontrol. Rc = Es el nmero de piezas rechazadas encontradas al final del proceso debido a fallas en la seccin de autocontrol.
EJEMPLO: En una empresa de componentes electrnicos se desea establecer la eficiencia del autocontrol en la seccin de circuitos digitales, en el periodo de un mes. La produccin total fue de 240 unidades. La seccin de circuitos digitales encontr 8 unidades en proceso con fallas, que se deban a secciones anteriores durante el autocontrol, esta seccin descarto 16 circuitos digitales. El control final encontr 5 circuitos digitales defectuosos. DATOS P = 240 Uds. Rfa = 8 Uds. Ra = 16 Rc = 5 E= 240 + 8 *100 = 248 *100 = 31.79% 240+8+2*16+100*5 780
Conclusin: La eficiencia es baja.
2 TOLERANCIA NATURAL DEL PROCESO o CAPACIDAD DEL PROCESO.

Se define como el intervalo mnimo dentro del cual estn casi todos los valores que asume la variable en cuestin del producto que se fabrica. Es la amplitud mxima entre los cuales estn todos los valores que asume la variable. Este intervalo mnimo se lo debe analizar en condiciones tales que solamente causas accidentales puedan influir sustancialmente. 2.1 VALOR DE LA TOLERANCIA NATURAL (TN). Se asume por convencin que est TN = 6 . z* 1.96* Se tiene el 95 % del rea bajo la curva normal 3* Se tiene el 99.74 % del rea bajo la curva de distribucin normal. Tal como se ha indicado la Tolerancia Natural del proceso estar entre los 6 . Si se analizar en un grfico de la curva normal, la TN es el intervalo entre los + 3 y los 3. En este intervalo se encuentra la tolerancia natural, este se da cuando las condiciones del proceso son normales.
= Desviacin estndar terica
4 RELACION ENTRE TOLERANCIA NATURAL Y TOLERANCIA DE DISEO

Se debe hacer comparaciones de TN del proceso con la Tolerancia de diseo con lo que se podr determinar si el proceso de fabricacin requiere un mayor o menor control, o en su caso si es o no posible fabricar el producto. TOLERANCIA DE DISEO (TD) : Es la tolerancia que se establece para la dimensiones del producto en la fase de diseo del producto. Ejemplo: (9.00 0.01)[mm], la tolerancia de diseo seria 0.02 Criterios segn la Relacion entre la Tolerancia Natural y la Tolerancia de Diseo Si la TN < TD: Nuestro producto ser bueno, puesto que la tecnologa permite mrgenes mucho mas estrecho que los establecidos en el diseo.( Se tiene menor variacin). Si la TN = TD: Nuestro producto puede ser bueno siempre y cuando se efecte un buen control del proceso productivo, ya que la tecnologa que tenemos tiene la misma variacin que los establecidos en el diseo. Si la TN > TD: No se puede producir un producto bueno. La tecnologa que tenemos no permite producir el producto puesto que se tiene una mayor variacin que los establecidos en el diseo. Cabe recordar que la tolerancia de diseo debe estar establecida en la norma tcnica del producto. Cmo se calcula la Tolerancia Natural? Se puede calcular de dos formas: 1. A travs de una muestra nica. se debe utilizar cuando es difcil obtener varias muestras en un proceso productivo. 2. A travs de varias muestras. 4.1 PROCEDIMIENTO PARA MUESTRA UNICA 1. Se debe extraer una muestra y debe ser seleccionada al azar. Se recomienda que debe ser entre 50 y 100 unidades. 2. Se procede a su medicin y registro. 3. Se determina su desviacin estndar muestral S. 4. Se determina el nivel de confianza deseado. Que puede ser del 95% o 99%. 5. Se calcula la tolerancia natural del proceso a partir de la siguiente frmula; TN = 2*K1*S. K1, depende del nivel de confianza y del tamao de la muestra, se obtiene de tablas en funcin al tamao de la muestra y el nivel de confianza. K1 N 95 % 99% 50 3.94 3.64 60 3.83 3.57 70 3.75 3.51 80 3.68 3.47 90 3.44 3.32 100 3.41 3.29 200 3.39 3.27 300 3.26 3.18 400 3.25 3.16
Ejemplo : En una fbrica de jugos de fruta se desea establecer la tolerancia natural de una mquina embotelladora con un nivel de confianza del 95%. La caracterstica de calidad que nos interesa es la cantidad de lquido que se envasa por botella, pero solo se puede extraer una muestra de 60 botellas. Segn las especificaciones tcnicas el volumen de llenado debe ser de 65 5 [cc] .
VALORES (cc) 50 55 60 65 70 75 80 S
FRECUENCIA 3 9 12 16 10 8 2 60 7.54 64.42
TN = 2*3.83*7.54 = 57.76 Si 65 5 [cc] es imposible cumplir con esta especificacin. 4.2 PROCEDIMIENTO PARA VARIAS MUESTRAS Se puede realizar por varios mtodos distintos. 1. El mtodo del rango (R). 2. El mtodo de la desviacin estndar muestral S. 3. El mtodo de la desviacin poblacional . EL METODO DEL RANGO Es el ms fcil de aplicarse y lgicamente el de menor precisin. Procedimiento 1. Debemos extraer las muestras correspondientes, el nmero optimo es 25 muestras. 2. Determinar el tamao de la muestra n 5. 3. Examinar cada muestra y registrar las muestras. 4. Se determina el rango de cada muestra. 5. Se determina el rango promedio Rp = R K Donde K es el nmero de muestras. 6. Determinar la tolerancia natural del proceso TN= 6*Rp d2 Donde d2 se lo obtiene de tablas en funcin al tamao de la muestra. EL METODO DE LA DESVIACION ESTANDART MUESTRAL (S) Procedimiento 1. Debemos extraer las muestras correspondientes, el nmero optimo es 25 muestras. 2. Determinar el tamao de la muestra n 5. 3. Examinar cada muestra y registrar las muestras. 4. Se determina la desviacin estndar muestral de cada muestra. 5. Se establece la desviacin estndar muestral promedio Sp = S K 6. Determinar la tolerancia natural del proceso TN= 6*Sp c4 Donde c4, es un valor constante que se lo obtiene de tablas en funcin al tamao de cada muestra.
EL METODO DE LA DESVIACION POBLACIONAL () Procedimiento 1. Debemos extraer las muestras correspondientes, el nmero optimo es 25 muestras. 2. Determinar el tamao de la muestra n 5. 3. Examinar cada muestra y registrar las muestras. 4. Se determina la desviacin poblacional de cada muestra 5. Se establece la desviacin poblacional promedio p = K 6. Determinar la tolerancia natural del proceso TN= 6*p c2 Donde c2, es un valor constante que se lo obtiene de tablas en funcin al tamao de cada muestra. Ejemplo.- En un proceso de produccin se desea establecer la tolerancia natural del proceso para aplicar un control de calidad.
Valores en cm 3 4 4.862 4.857 4.882 4.856 4.868 4.856 4.869 4.839 4.862 4.847 4.836 4.853 4.883 4.877 4.862 4.855 4.853 4.866 4.849 4.861 4.858 4.870 4.863 4.848 4.855 4.872 4.860 4.852 4.885 4.851 4.864 4.870 4.864 4.851 4.859 4.876 4.862 4.868 4.869 4.863 4.860 4.874 4.863 4.851 4.858 4.851 4.862 4.854 4.854 4.861 4.862 4.854 4.854 4.855 4.871 4.868 4.857 4.862 4.859 4.860 97.192
Muestra N 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
1 4.849 4.896 4.871 4.847 4.858 4.865 4.858 4.871 4.833 4.878 4.860 4.841 4.844 4.828 4.863 4.882 4.840 4.856 4.849 4.856
2 4.890 4.875 4.857 4.850 4.873 4.844 4.841 4.837 4.859 4.852 4.866 4.859 4.836 4.860 4.887 4.872 4.863 4.860 4.863 4.850
5 4.842 4.861 4.863 4.851 4.848 4.856 4.850 4.845 4.861 4.867 4.857 4.859 4.865 4.874 4.868 4.854 4.867 4.859 4.855 4.864
METODO DE LOS RANGOS K = 20 n=5

Valores en cm 3 4 4.862 4.857 4.882 4.856 4.868 4.856 4.869 4.839 4.862 4.847 4.836 4.853 4.883 4.877 4.862 4.855 4.853 4.866 4.849 4.861 4.858 4.870 4.863 4.848 4.855 4.872 4.860 4.852 4.885 4.851 4.864 4.870 4.864 4.851 4.859 4.876 4.862 4.868 4.869 4.863 Valor Maximo 4.890 4.896 4.871 4.869 4.873 4.865 4.883 4.871 4.866 4.878 4.870 4.863 4.872 4.874 4.887 4.882 4.867 4.876 4.868 4.869 Valor Mnimo 4.842 4.856 4.856 4.839 4.847 4.836 4.841 4.837 4.833 4.849 4.857 4.841 4.836 4.828 4.851 4.854 4.840 4.856 4.849 4.850
Muestra N 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
1 4.849 4.896 4.871 4.847 4.858 4.865 4.858 4.871 4.833 4.878 4.860 4.841 4.844 4.828 4.863 4.882 4.840 4.856 4.849 4.856
2 4.890 4.875 4.857 4.850 4.873 4.844 4.841 4.837 4.859 4.852 4.866 4.859 4.836 4.860 4.887 4.872 4.863 4.860 4.863 4.850
5 4.842 4.861 4.863 4.851 4.848 4.856 4.850 4.845 4.861 4.867 4.857 4.859 4.865 4.874 4.868 4.854 4.867 4.859 4.855 4.864
R 0.048 0.040 0.015 0.030 0.026 0.029 0.042 0.034 0.033 0.029 0.013 0.022 0.036 0.046 0.036 0.028 0.027 0.020 0.019 0.019 0.592
Rp = 0.592 = 0.0296 20 TN = 6*0.0296 =0.07635 2.326
METODO DE LA DESVIACION ESTANDART MUESTRAL K = 20 n=5 Valores en cm 3 4 4.862 4.857 4.882 4.856 4.868 4.856 4.869 4.839 4.862 4.847 4.836 4.853 4.883 4.877 4.862 4.855 4.853 4.866 4.849 4.861 4.858 4.870 4.863 4.848 4.855 4.872 4.860 4.852 4.885 4.851 4.864 4.870 4.864 4.851 4.859 4.876 4.862 4.868 4.869 4.863
Muestra N 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 Sp = 0.2360 = 0.0118 20 TN = 6*0.0118 = 0.7532 0.94
1 4.849 4.896 4.871 4.847 4.858 4.865 4.858 4.871 4.833 4.878 4.860 4.841 4.844 4.828 4.863 4.882 4.840 4.856 4.849 4.856
2 4.890 4.875 4.857 4.850 4.873 4.844 4.841 4.837 4.859 4.852 4.866 4.859 4.836 4.860 4.887 4.872 4.863 4.860 4.863 4.850
5 4.842 4.861 4.863 4.851 4.848 4.856 4.850 4.845 4.861 4.867 4.857 4.859 4.865 4.874 4.868 4.854 4.867 4.859 4.855 4.864
S 0.0184 0.0161 0.0066 0.0110 0.0107 0.0112 0.0178 0.0135 0.0128 0.0117 0.0056 0.0092 0.0147 0.0169 0.0152 0.0103 0.0113 0.0080 0.0074 0.0074 0.2360
METODO DE LA DESVIACION POBLACIONAL K = 20 n=5 Valores en cm 3 4 4.862 4.857 4.882 4.856 4.868 4.856 4.869 4.839 4.862 4.847 4.836 4.853 4.883 4.877 4.862 4.855 4.853 4.866 4.849 4.861 4.858 4.870 4.863 4.848 4.855 4.872 4.860 4.852 4.885 4.851 4.864 4.870 4.864 4.851 4.859 4.876 4.862 4.868 4.869 4.863 0.0165 0.0144 0.0059 0.0098 0.0096 0.0100 0.0159 0.0120 0.0115 0.0105 0.0050 0.0082 0.0132 0.0152 0.0136 0.0092 0.0101 0.0071 0.0067 0.0067 0.2111
Muestra N 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 p = 0.2111 = 0.0106 20 TN = 6*0.0106 = 0.0756 0.8407
1 4.849 4.896 4.871 4.847 4.858 4.865 4.858 4.871 4.833 4.878 4.860 4.841 4.844 4.828 4.863 4.882 4.840 4.856 4.849 4.856
2 4.890 4.875 4.857 4.850 4.873 4.844 4.841 4.837 4.859 4.852 4.866 4.859 4.836 4.860 4.887 4.872 4.863 4.860 4.863 4.850
5 4.842 4.861 4.863 4.851 4.848 4.856 4.850 4.845 4.861 4.867 4.857 4.859 4.865 4.874 4.868 4.854 4.867 4.859 4.855 4.864
Relaciones de las estimaciones de la desviacin * = Rp = Sp = p d2 C4 C2
10
4.3 HABILIDAD DEL PROCESO Otro concepto que se viene introduciendo ltimamente el la Habilidad del proceso que se lo define como la variacin media inherente del producto que se obtienen este proceso. La habilidad del proceso se utiliza para varios propsitos entre ellos podemos mencionar: 1. 2. 3. 4. 5. Establecer el grado de variabilidad que tendr el proceso. Establecer el proceso mas adecuado y que pueda cumplir las tolerancias Determinar una base cuantitativa para establecer un programa de control peridico del proceso. Servir de base para establecer las especificaciones en la compra de maquinaria. probar teoras de las causas de los defectos en programas de mejoramiento de la calidad.
Tasa de la Habilidad del Proceso En procesos bajo control estadstico, la comparacin de la Tolerancia natural del proceso y los limites especificados del producto, permiten un calculo rpido del porcentaje de unidades defectuosas mediante una elacion estadisitica. Para lo cual se utiliza la denominada Tasa de Habilidad cuya expresin matemtica es la siguiente: Cp = Tasa de Habilidad = Rango especificado = LES LEI Tolerancia natural 6s Donde: LES = Limite Especificado superior LEI = Limite Especificado inferior s = Se usa s como una estimacin de Sigma () Tabla de referencia : Cp < 1.00 1.00 1.33 1.63 Ejemplo: Determnese si el proceso es capaz de cumplir las especificaciones de un producto cuyos LES = 0.263 mm y el LEI = 0.253 mm, si se sabe que en un anlisis de muestras de 6 unidades cada una el rango promedio fue de 6.0 mm. s = R/ d2 = 6.0/2.534 = 2.37 Cp = (LES LEI)/ (6s) = ( 0.263 0.253 ) / 0.0142 = 0.72 Conclusin: el Proceso no es capaz. CANTIDAD TOTAL FUERA DE LOS LIMITES >= 5.00 % 0.30 % 64 ppm 1 ppm ACCIONES A TOMAR Control del trabajo pesado, clasificacin, retrabado, etc. Control del proceso pesado, inspeccin. Inspeccin reducida, uso selecto de grficos de control. Verificacin de algunos puntos, uso selecto de grficos de control
11
5 CONSIDERACIONES PARA EL CONTROL DEL PROCESO

Para hacer el control del proceso hay que tener en cuenta tres cosas: 1. Valorar la tolerancia natural del proceso. 2. Analizar la variabilidad del producto. 3. Controlar la continuidad de la produccin o proceso. Un proceso est bajo control cuando solamente causas aleatorias actan sobre el proceso y cuando causas identificables hacen que el proceso produzcan productos que s tengan las especificaciones establecidas. 5.1 GRAFICOS DE CONTROL Los grficos de control son instrumentos que nos permiten: 1. Establecer los Lmites de control. 2. Determinar cuando el proceso tiende a estar fuera de control. Los grficos de Control se dividen en dos grandes grupos: GRAFICOS DE CONTROL POR VARIABLES 1. Grfico de las Medias ( X ) 2. Grficos de los Rangos ( R ) 3. Grfico de las desviaciones muestrales ( S ) 4. Grfico de las medias y las desviaciones poblacionales conocidos ( ) Los anteriores son bsicos para el control dado que se utilizan uno o varios a la vez. 5.2 SISTEMAS DE GRAFICOS DE CONTROL Como se ha indicado, los grficos de control son instrumentos estadsticos que nos permiten determinar cuando un proceso esta saliendo de control. En su generalidad se basan en la distribucin normal. Para la elaboracin de los grficos de control existen dos sistemas.: El sistema Americano y el Sistema Ingles SISTEMA AMERICANO (ASA) Se basa en la distribucin normal haciendo un grfico en funcin de las coordenadas donde en abcisas se tiene el valor de la caracterstica y en ordenadas se tiene lo que viene a representar los lmites. El sistema americano emplea nicamente dos limites de control fuera del limite central : LIC = Lmite inferior de control LSC = Lmite Superior de Control LC = Lmite Central Los lmites de control estn dados de manera que se abarcan el 99.7 %. de los valores que asume la variable en cuestin. Los limites indicados dividen el grfico en dos zonas. La zona I donde deber estar el 99.7 % de los puntos La Zona II donde estara el 0.03 % GRAFICOS DE CONTROL POR ATRIBUTOS 1. Por unidades defectuosas (np) 2. Por fraccin o porcentaje de defectuosidad (p) 3. Por nmero de defectos por pieza (d) 4. Por nmero de defectos por muestra (c) Los grficos por atributos evalan en funcin de Buenos malos.
12
La representacin grfica de este sistema es la siguiente

ZONA II LSC = + 3
ZONA I LC = ZONA I
LIC = 3 ZONA II
Criterio Si el valor promedio de la caracterstica a controlar esta en la zona II el proceso esta fuera de control. Si se tienen varios puntos cerca de los lmites de control el proceso estara saliendo del control. SISTEMA INGLES Tambin utiliza un sistema de coordenadas basndose en la distribucin normal pero la diferencia es que tiene ms lmites que en el sistema anterior. LSI = Lmite Superior de Intervencin LSA = Lmite Superior de Advertencia LC = Lmite Central LIA = Lmite Inferior de Advertencia LII = Lmite Inferior de Intervencin Estos lmites dividen el grfico en tres zonas:
ZONA III ZONA II ZONA I LC = ZONA I LSC = 1.96 ZONA II ZONA III LIC = 3 LSC = + 3 LSC = + 1.96
13
La zona I es la zona de control donde se tendra el 95 % de los valores que asume la variable. En la zona II, posibles fallas del proceso que significan una advertencia para las personas que estn controlando el proceso. En la zona III, es la zona fuera de control y no debera existir puntos fuera de esta zona. Entre estos dos sistemas el Ingles permite mayores opciones para el control del propio proceso principalmente para el control de la tendencia central del proceso. Para los grficos por atributos se utiliza especialmente el sistema americano.
GRAFICOS DE CONTROL POR VARIABLES

1 GRAFICO DE LAS MEDIAS (X)
Tiene por objeto registrar la tendencia central del proceso productivo es decir que empieza a analizar la variacin que tiene el valor promedio de la caracterstica objeto del estudio. La aplicacin de este grfico tiene dos etapas fundamentales: Primera etapa .- Determinacin de lmites de control vlidos. Segunda etapa .- Aplicacin de los lmites en los grficos de control, para observar si el proceso esta o no bajo control. Primera Etapa: Pasos para la Determinacin 1. Determinar el tamao de la muestra (n). Se aconseja entre 4 y 5. 2. Determinar el nmero de muestras (K). Se aconseja K 25 muestras. 3. Consiste en extraer al azar y registrar las muestras. 4. Determinamos su valor promedio de cada muestra (). 5. Este valor promedio nos va a permitir determinar la media de las medias de cada una de las muestras. Es decir = K 6. Se determina el rango de cada muestra 7. Con el rango de cada muestra se calcula el rango promedio R = R K 8. Con el rango promedio entramos a la determinacin de los lmites. Para los Limites Superior: Tenemos: Lmite Superior de Intervencin LSI = + A2*R Lmite Superior de Advertencia LSA = + (2/3) A2*R A2 = es la constante que se obtiene de tablas. A2 = 3/(d2.n) Para los Lmites Inferiores: Lmite Inferior de Intervencin LII = - A2*R Lmite Inferior de Advertencia LIA = - (2/3)A2*R
14
9. Una vez determinados los lmites se grafican los valores y los lmites.
1,900 1,800 1,700 1,600 1,500 1,400 1,300 1 3 5 7 9
GRAFICO X
Media LSI LSA LIA LII
11
13
15
17
19
10.- Analizar el grfico para determinar si los lmites son vlidos o no, es decir se verifica si los valores obtenidos para determinar los limites provenan de un proceso bajo control o no. Reglas o Condiciones para el Anlisis 1. Si un punto esta fuera de los lmites de intervencin el proceso est fuera de control. 2. Dos puntos de cinco muestras sucesivas fuera del lmite de advertencia el proceso est fuera de control. 3. Siete puntos de siete muestras sucesivas a un mismo lado de la lnea central, el proceso est fuera de control. Segunda Etapa: Aplicacin del grafico.- Cuando los lmites son validos el procedimiento es el siguiente. 1. 2. 3. 4. Se extrae una muestra Se determina su valor promedio () Se grfica en el mismo grfico anterior con los lmites anteriores. Se analiza, el grfico para determinar si el proceso esta o no bajo control. En caso negativo se deber proceder a un control y reajuste del proceso productivo.
2 GRAFICO DE LOS RANGOS (R)

Nos permite analizar la tolerancia natural del proceso, es decir la amplitud de los valores que asume la variable. El procedimiento es el siguiente: 1. Determinar el tamao de la muestra (n). Se aconseja entre 4 y 5. 2. Determinar el nmero de muestras (K). Se aconseja K 25 muestras. 3. Extraer al azar y registrar las muestras. 4. Determinar el rango de cada muestra 5. Calcular el rango promedio R = R K
15
6. Determinar los lmites Lmite Superior de Control LSC = D4*R Lmite Inferior de Control LIC = D3*R Generalmente el D3 es cero pero no siempre por eso se tiene que verificar siempre ese valor. 7. Graficar los valores y lmites.
GRAFICO R
0,80 0,70 0,60 0,50 0,40 0,30 0,20 0,10 0,00 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Rango LSCR
8. Analizar el grfico. El anlisis de este grfico se limita a verificar si es que existe un punto que a superado estos lmites, si es superado entonces el proceso est fuera de control. Aplicacin: Una vez comprobado que los limites son validos, se entra a la etapa de utilizacin de los limites calculados para lo cual se deber seguir los pasos siguientes: 1. 2. 3. 4. Se extrae una muestra Se determina un valor del rango Se grfica en el grfico Se analiza
Si los valores iniciales estn fuera de control lo que se aconseja es eliminar esas muestras y sacar otras muestras , previamente se debe controlar el proceso.
16
3 GRAFICO DE CONTROL POR VARIABLES X-R

Si bien hasta el momento de ha descrito y detallado la elaboracin de los grficos X y grfico R en forma independiente, se utilizan ambos grficos en forma conjunta en el denominado Grfico X-R. que no es mas que un grfico donde se tiene el grfico de las medias y el grfico de los rangos. Ejemplo: Se desea establecer lmites de control por Variables en un proceso productivo. Para lo cual se extrajo al azar 20 muestras de 5 unidades cada una y se procedi a su medicin y registro. El cuadro resultante se muestra a continuacin:
GRAFICO DE CONTROL POR VARIABLES 2 3 4 5 MEDIA MAXIMO MINIMO RANGO 1.90 1.62 1.57 1.42 1.60 1.90 1.42 0.48 1.75 1.82 1.56 1.61 1.74 1.96 1.56 0.40 1.57 1.56 1.56 1.63 1.61 1.71 1.56 0.15 1.50 1.76 1.39 1.51 1.53 1.76 1.39 0.37 1.73 1.82 1.47 1.59 1.64 1.82 1.47 0.35 1.44 1.46 1.53 1.51 1.52 1.65 1.44 0.21 1.41 1.34 1.77 1.62 1.54 1.77 1.34 0.43 1.37 1.64 1.55 1.54 1.56 1.71 1.37 0.34 1.59 1.45 1.66 1.50 1.51 1.66 1.33 0.33 1.52 1.78 1.61 1.45 1.63 1.78 1.45 0.33 1.66 1.85 1.70 1.61 1.68 1.85 1.60 0.25 1.59 1.73 1.48 1.67 1.58 1.73 1.41 0.32 1.36 1.54 1.72 1.57 1.53 1.72 1.36 0.36 1.60 1.78 1.52 1.58 1.55 1.78 1.28 0.50 1.87 1.42 1.51 1.65 1.62 1.87 1.42 0.45 1.72 1.52 1.76 1.74 1.71 1.82 1.52 0.30 1.63 1.71 1.68 1.68 1.62 1.71 1.40 0.31 1.60 1.45 1.63 1.54 1.55 1.63 1.45 0.18 1.63 1.81 1.70 1.60 1.65 1.81 1.49 0.32 1.50 1.90 1.57 1.59 1.62 1.90 1.50 0.40 31.98 6.78 1.60 0.34
MUESTRA 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 SUMA MEDIA
1 1.49 1.96 1.71 1.47 1.58 1.65 1.56 1.71 1.33 1.78 1.60 1.41 1.44 1.28 1.65 1.82 1.40 1.55 1.49 1.56
LIMITES PARA LAS MEDIAS LSI = 1.60 + 0.577*0.34 = 1.79618 1.80 LSA = 1.60 + 2*0.577*0.34/3 = 1.73 LII = 1.60 - 0.577*0.34 = 1.40 LIA = 1.60 - 2*0.577*0.34/3 = 1.469 1.47 LIMITES PARA LOS RANGOS LSC = 2.115*0.34 = 0.72 LIC = 0*0.34 = 0
17
GRAFICO DE LAS MEDIAS

1.80 1.75 1.70 MEDIAS 1.65 1.60 1.55 1.50 1.45
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
MUESTRA
GRAFICO DE LOS RANGOS
0.50
0.50
0.48 0.45 0.43 0.40 0.40 0.37 0.35 0.34 0.33 0.33 0.32 0.30 0.36 0.31 0.32
0.40 RANGOS
0.30
0.21
0.25
0.20
0.18 0.15
0.10
0.00 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 MUESTRA
Los lmites son vlidos y se puede graficar para controlar un proceso. RACHA .- Es una sucesin de siete puntos, considera los siguientes puntos: 1. Diez de once puntos consecutivos a un mismo lado de la lnea central. 2. Doce de catorce puntos consecutivos a un mismo lado de la lnea central. 3. Diecisis de veinte puntos consecutivos a un mismo lado de la lnea central. Quedan fuera de control.
18
4 GRAFICO DE CONTROL POR VARIABLES X-R CON DATOS CONOCIDOS

Los datos conocidos tendran que ser: = valor promedio = desviacin poblacional estndar Despus de estudios realizados, de valores que queremos comprobar o valores de las especificaciones de nuestro producto. Un grfico X-R con valores conocidos se limitara a la aplicacin de la frmula. LIMITES DE CONTROL MEDIAS LSI = + A* LSA = + (2/3)*A* LII = - A* LIA = (2/3)*A* A=3 n RANGOS LSC = D2* LIC = D1* Ejemplo 1: En una empresa manufacturera se desea efectuar un grfico de control para una caracterstica variable del producto para lo cual de estudios previos se obtuvo, que el valor promedio de la caracterstica es de 39.5 [mm] y =[mm], se ha visto por conveniente analizar muestras de 5 unidades Determine cuales son los lmites de control correspondientes? A = 3/5 = 1.342 MEDIAS LSI = 39.5 + 1.342*1.5 = 41.51 LSA = 39.5 + 2*1.342*1.5/3 = 40.84 LII = 39.5 - 1.342*1.5 = 37.49 LIA = 39.5 - 2*1.342*1.5/3 = 38.16 RANGOS LSC = 4.915*1.5 = 7.37 LIC = 0*1.5 = 0
MUESTRA MEDIA 1 48 2 44 3 45 4 40 5 37 6 40 7 39 RANGO 8 2 5 1 5 0 1
El proceso est fuera de control o estos valores no son validos porque el primer valor del rango est fuera del lmite superior de control.
19
Ejemplo 2.- En una industria de plsticos se elaboran cuerdas de plsticos que de acuerdo a especificaciones deben tener una resistencia a la rotura mnima de 80 Kg. y mxima de 95 Kg. Cuales sern los lmites de control si se quiere tener un nivel de confianza del 99.73 %.
valor mnimo 80 Kg. valor mximo 95 kg.
Entre 3 y +3 se
cubre el 99.73%
- 3 = 80 + 95 = 87.50 2 = 95 - 80 = 2.50 6
TN = 6
+ 3
Cp = 95 - 80 / (6x2.50) = 1
Para qu sirve un Grfico de Control? Una grfica de control tiene por objetivo principal el de detectar la variacin de un proceso debido a causas especiales (o atribuibles) . Las causas atribuibles se diferencia de las comunes por que origina una variacin excesiva del proceso. Idealmente, solo deben estar presentes las causas comunes en un proceso porque representa un proceso estable y predecible que tiene un mnimo de variacin. En este caso se dice que el proceso esta Bajo Control. GRAFICOS DE CONTROL MODIFICADOS. Los grficos de control modificados son una modificacin de los grficos de control normales, se emplean para analizar muestras de lotes y determinar si se acepta o se rechaza dichos lotes.
5 GRAFICO X-R MODIFICADO

Permiten determinar un valor mximo y un valor mnimo de tal modo que si una muestra cae fuera de estos lmites, nos permite rechazar esta muestra. Procedimiento 1. Se debe conocer los lmites especificados. LES y LEI vienen de la norma del producto con el cual vamos a ver si aceptamos o rechazamos la muestra. 2. Se extrae K muestras ( K > 25 ) de n unidades ( n = 5 ).
20
3. Se determina de cada muestra, tambin R de cada muestra. 4. Se calcula el rango promedio. R = R k 5. Con esto establecemos los lmites modificados que siguen un Sistema Americano. MEDIAS LSCm = LES - ( 3 - A2 )*R d2 LICm = LEI + ( 3 - A2 )*R d2 RANGOS LSCm = D4*R LICm = D3*R 6. Grficar los lmites 7. Extraer una muestra y verificamos si est por encima o por debajo de los lmites modificados. Si una de las muestras esta fuera de los lmites modificados se rechaza. Ejemplo .- Para un producto Z cuya caracterstica de calidad es una variable, se tiene especificada un lmite superior de 44 mm, tiene un lmite inferior de 35 mm Cules sern los lmites de control modificados, si consideran muestras de cinco unidades?. Con una R = 4.49 y un = 39 mm, de 25 muestras de 5 unidades cada una. MEDIAS LSCm = 44 - ( 3 / 2.325 - 0.577 )*4.49 = 40.79718 40.80 LICm = 35 + (3 / 2.325 - 0.577 )*4.49 = 38.20 RANGOS LSCm =2.115*4.49 = 9.49635 9.50 LICm = 0*4.49 = 0
6 GRAFICOS X-R PARA MUESTRAS INDIVIDUALES

Se utilizan cuando no es posible sacar muestras con varias unidades, motivo por el cual las muestras tiene un tamao unitario. Procedimiento 1. Se extrae al azar K muestras ( K > 20 ). 2. Se procede a su medicin y registro. 3. Se determina el valor promedio de las K muestras, este valor promedio seria: = K 4. Se procede a determinar el rango de una muestra con respecto al anterior. 5. Se establece el rango promedio : R = R K-1 6. Se establecen los lmites de control n = 1 A = 2.66
21
MEDIAS LSI = + 2.66*R LSA = + 2*2.66*R 3 LII = - 2.66*R LIA = - 2*2.66*R 3 RANGOS LSC = 3.267*R LIC = 0 7. Grficar lmites y valores y determinar o verificar si esta bajo control. Ejemplo : En una empresa manufacturera la caracterstica de calidad es el espesor de chapa, en vista de que es difcil conseguir muestras, se ha visto por conveniente realizar un grfico de control para muestras individuales. Desarrollo: En primer lugar se deber obtener 20 muestras individuales, las que despus de su medicin, se procede a la determinacin de los rangos entre muestras.
NUMERO DE MUESTRAS 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 SUMA MEDIA VALORES DE LAS MUESTRAS "X" [ mm ] 80 75 70 80 100 85 75 80 85 105 80 85 95 95 105 80 85 90 90 100 1740 87
RANGO 5 5 10 20 15 10 5 5 20 25 5 10 0 10 25 5 5 0 10 190 10
22
MEDIAS LSI = 87 + 2.66*10 = 113.60 LSA = 87 + 2*2.66*10/3 = 104.73 LII = 87 - 2.66*10 = 60.40 LSA = 87 - 2*2.66*10/3 = 69.27 RANGOS LSC = 3.267*10 = 32.67 LIC = 0*10 = 0

115 110 VALOR DE LAS MUESTRAS "X" 105 100 95 90 85 80 75 70 65 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 NUMERO DE MUESTRAS
GRAFICO DE RANGOS
30 25 25 20 20 RANGOS 15 15 10 10 5 5 0 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 0 5 5 5 5 5 5 10 10 10 10 20 25
NUMERO DE MUESTRA
23
7 GRAFICOS X-R PARA MUESTRAS MOVILES .Este tipo de grfico es una modificacin del Grfico para muestras individuales y se aplica Tambien cuando no es posible obtener muestras con varias unidades. La diferencia sustancial esta en la forma de agrupar las muestras individuales para determinar su media y su rango. PROCEDIMIENTO Se extrae al azar K muestras ( K > 30 ). Se procede a su medicin y registro. Se determina el valor promedio de las cinco primeras unidades y tambin el rango. Se descarta la primera muestra y se introduce una nueva muestra y se procede al clculo de su promedio () y rango , y as sucesivamente. 5. Se calcula el valor promedio ; = K-(n-1) 6. Se calcula el rango promedio ; R = R K-(n-1) 1. 2. 3. 4. LMITES DE CONTROL. Para las MEDIAS LSI = + 0.577*R LSA = + 2*0.577*R 3 LII = - 0.577*R LIA = - 2*0.577*R 3 Para los RANGOS LSC = D4*R = 2.115*R LIC = 0 8. Graficar lmites y valores, verificar si est bajo control. Los criterios para determinar si el proceso esta o no bajo control son los mismos que los establecidos anteriormente. Ejemplo .- En una empresa manufacturera la caracterstica de calidad es el espesor de chapa, en vista de que es difcil conseguir muestras, se ha visto por conveniente realizar un grfico de control para muestras individuales.
24
GRAFICO DE CONTROL PARA MUESTRAS MOVILES MUESTRA VALOR MEDIA MAYOR MENOR RANGO 1 1.89 2 1.90 3 1.91 4 1.89 5 1.91 1.900 1.910 1.890 0.020 6 1.93 1.908 1.930 1.890 0.040 7 1.95 1.918 1.950 1.890 0.060 8 1.97 1.930 1.970 1.890 0.080 9 1.99 1.950 1.990 1.910 0.080 10 2.01 1.970 2.010 1.930 0.080 11 1.93 1.970 2.010 1.930 0.080 12 1.95 1.970 2.010 1.930 0.080 13 1.97 1.970 2.010 1.930 0.080 14 1.99 1.970 2.010 1.930 0.080 15 1.89 1.946 1.990 1.890 0.100 16 1.90 1.940 1.990 1.890 0.100 17 1.91 1.932 1.990 1.890 0.100 18 1.89 1.916 1.990 1.890 0.100 19 1.91 1.900 1.910 1.890 0.020 20 1.93 1.908 1.930 1.890 0.040 21 2.01 1.930 2.010 1.890 0.120 22 1.95 1.938 2.010 1.890 0.120 23 1.97 1.954 2.010 1.910 0.100 24 1.99 1.970 2.010 1.930 0.080 25 2.01 1.986 2.010 1.950 0.060 26 2.01 1.986 2.010 1.950 0.060 27 1.99 1.994 2.010 1.970 0.040 28 1.89 1.978 2.010 1.890 0.120 29 1.90 1.960 2.010 1.890 0.120 30 1.91 1.940 2.010 1.890 0.120 SUMA 50.634 2.080 MEDIA 1.947 0.080
para n = 5 LIMITES PARA LAS MEDIAS LSI = 1.947 + 0.577*0.080 = 1.99316 2 LSA = 1.947 + 2*0.577*0.080/3 = 1.9777733 1.98 LII = 1.947 - 0.577*0.080 = 1.90 LIA = 1.947 - 2*0.577*0.080/3 = 1.92 LIMITES PARA LOS RANGOS LSC = 2.115*0.080 = 0.1692 0.17 LIC = 0
25

2.01 1.99 1.97 MEDIAS 1.95 1.93 1.91 1.89
4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
MUESTRA
GRAFICO DE RANGOS
0.16 0.14
0.12 0.12 0.12 0.12 0.12 0.10 0.08 0.06 0.06 0.04 0.02 0.04
0.12 RANGOS
0.10 0.10 0.10 0.10
0.10
0.08 0.08 0.08 0.08 0.08 0.08 0.08
0.08
0.06
0.06
0.04
0.04
0.02
0.02 0.00 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 MUESTRA
No est bajo control en las medias, descartar estas 30 muestras y proceder a sacar otros 30 y procedamos a analizar de nuevo.
26
8 GRAFICOS DE CONTROL POR VARIABLES X-S

Cuando es posible incrementar el nmero de muestras y el tamao a mas de 10 unidades, sin que sea problema econmico o tcnico, se recomienda utilizar el grfico X-S, donde en lugar del grfico de los rangos, se utiliza el grfico de las desviaciones mustrales (S),. Este grfico S es ms preciso que el grfico de los rangos (R). Esta familia de grficos esta compuesto por dos grficos fundamentales: Grfico de las Medias (X) que nos permite analizar la tendencia central; y el Grfico de las Desviaciones Muestrales (S) Procedimiento 1. Se extrae al azar ms de 25 muestras (K 25) 2. Se establece el tamao de cada muestra, para (10n<25) se aplican frmulas especiales, para (n 25) las frmulas cambian sustancialmente. 3. Se procede a la medicin y registro. 4. Se determina el valor promedio de las medias y de la desviacin estndar, promedio de cada muestra. = s = s K K 5. Se determinan los lmites de control (ver tabla de frmulas). 6. Grficar los lmites y los valores de las muestras. 7. Se verifica si el proceso estaba bajo control o no. Ejemplo .- En una fbrica se desea establecer grficos X-S para su caracterstica de calidad que es una variable. MEDIAS LSI = + A3*S = 1.5867 + 1.427*0.1369 = 1.782 LII = - A3*S = 1.5867 1.427*0.1369 = 1.391 LSA = + (2/3)A3*S = 1.5867 + (2/3)*1.427*0.1369 = 1.717 LIA = (2/3)A3*S = 1.5867 (2/3)*1.427*0.1369 = 1.456 DESVIACIONES LSC = B4*S = 2.089*0.14 = 0.286 LIC = B3*S = 0*0.14 = 0 Como se oberva en el grfico X, el proceso se debe rechazar por puntos fuera de los lmites.
27
DATOS MUESTRALES PARA UN GRAFICO POR VARIABLES XS

Muestra 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 1 1,49 1,96 1,71 1,47 1,58 1,65 1,56 1,71 1,33 1,78 1,60 1,41 1,44 1,28 1,65 1,82 1,40 1,55 1,49 1,56 1,60 1,62 1,56 1,48 1,42 2 1,55 1,66 1,61 1,70 1,48 1,72 1,52 1,51 1,26 1,40 1,43 1,33 1,32 1,51 1,76 1,68 1,96 1,71 1,47 1,58 1,58 1,65 1,35 1,70 1,51 3 1,62 1,82 1,56 1,76 1,82 1,46 1,34 1,64 1,45 1,78 1,85 1,73 1,54 1,78 1,42 1,52 1,71 1,45 1,81 1,90 1,42 1,64 1,34 1,82 1,90 4 1,57 1,56 1,56 1,39 1,47 1,53 1,77 1,55 1,66 1,61 1,70 1,48 1,72 1,52 1,51 1,76 1,68 1,63 1,70 1,57 1,47 1,39 1,51 1,68 1,63 5 1,42 1,61 1,63 1,51 1,59 1,51 1,62 1,54 1,50 1,45 1,61 1,67 1,57 1,58 1,65 1,74 1,68 1,54 1,60 1,59 1,67 1,57 1,58 1,74 1,40 Media 1,530 1,722 1,614 1,566 1,588 1,574 1,562 1,590 1,440 1,604 1,638 1,524 1,518 1,534 1,598 1,704 1,686 1,576 1,614 1,640 1,548 1,574 1,468 1,684 1,572 S 0,077 0,165 0,062 0,157 0,141 0,107 0,156 0,083 0,155 0,178 0,154 0,171 0,149 0,179 0,133 0,114 0,198 0,098 0,143 0,146 0,101 0,107 0,115 0,126 0,205
1,900 1,800 1,700 1,600 1,500 1,400 1,300 1 3 5 7 9
GRAFICO X
Media LSI LSA LIA LII
11 13 15 17 19 21 23 25
28
0,350 0,300 0,250 0,200
GRAFICO S
S 0,150 0,100 0,050 0,000 1 3 5 7 9 11 13 15 17 19 21 23 25 LSC LIC
GRAFICOS DE CONTROL POR ATRIBUTOS

Se emplean para controlar procesos productivos dedicados a la productos cuyas caractersticas de calidad que pueden ser calificadas como atributos. El atributo permite nicamente dos alternativas: bueno o malo, por eso muchas de las empresas prefieren convertir las variables en atributos. TIPOS DE GRAFICOS DE CONTROL POR ATRIBUTOS 1. 2. 3. 4. Grficos por nmero de unidades defectuosas (np) Grficos por fraccin de defectuosidad (p) Grficos por defectos por unidad o pieza (d) Grficos por defectos por muestra (c)
1 GRAFICOS POR NMERO DE UNIDADES DEFECTUOSAS (np)

Procedimiento 1. 2. 3. 4. Determinar el nmero de muestras (K >25) Determinar el tamao de cada muestra (n100) Se extrae al azar la muestra y se las inspecciona y se determina el nmero de unidades defectuosas. Se procede al anlisis de cada una de las muestras y determinar el nmero de defectuosos. p = p K p = fraccin de defectuosidad otra forma de determinar p ; p = np nK 5. Lmites de control (ver tabla de frmulas)
29
LSC = np + 3(np (1- p)) LIC = np - 3(np (1- p)) Si p < 0.05 entonces el valor (1 p) es casi 1 6. Los lmites de control, utilizan nicamente el Sistema Americano. 7. Grficar los lmites y los datos de las muestras, y verificar si los lmites son vlidos. Ejemplo .- En una empresa manufacturera se desea establecer lmites de Control por atributos para lo que se extrajo 30 muestras de 400 unidades cada uno.
GRAFICO DE CONTROL POR NUMERO DE UNIDADES DEFECTUOSAS MUESTRA n np p 1 400 18 0.045 2 400 12 0.030 3 400 23 0.058 4 400 16 0.040 5 400 13 0.033 6 400 15 0.038 7 400 21 0.053 8 400 20 0.050 9 400 36 0.090 10 400 17 0.043 11 400 21 0.053 12 400 20 0.050 13 400 32 0.080 14 400 28 0.070 15 400 25 0.063 16 400 21 0.053 17 400 12 0.030 18 400 18 0.045 19 400 12 0.030 20 400 20 0.050 21 400 16 0.040 22 400 13 0.033 23 400 15 0.038 24 400 21 0.053 25 400 20 0.050 26 400 31 0.078 27 400 17 0.043 28 400 21 0.053 29 400 20 0.050 30 400 32 0.080 SUMA 12000 606 1.515 MEDIA 400 20.2 0.051
30
p = 606 = 0.0505 30*400 LSC = 20.2 + 3*(20.2*(1-0.0505)) = 33.34 LIC = 20.2 - 3*(20.2*(1-0.0505)) = 7.06 LC = 400*0.0505 = 20.2
GRAFICO DE CONTROL DE "np"

40 35 30 25 np 20 15 10 5 0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
MUESTRA
Se rechaza porque existe un punto fuera de los lmites de control y se debe volver a recalcular otras 30 muestras.
2 GRAFICOS POR FRACCIN DE DEFECTUOSIDAD (p)

Se aplica cuando no es posible tener uniforme el tamao de la muestra. 1. El tamao de muestra es variable. 2. El nmero de muestra es K > 25 3. El parmetro fundamental es la fraccin de defectuosidad. 4. Pi = C ni ni = tamao de cada una de las muestras, entonces en este grfico se tienen lmites distintos para cada muestra. 5. P = P K
31
Ejemplo .- En una empresa manufacturera se desea establecer un control del proceso por atributos para diferentes tamaos de muestra, por lo que se extrajo 30 muestras con las siguientes disconformidades.
GRAFICO DE CONTROL POR FRACCION DE DEFECTUOSIDAD MUESTRA UNIDADES UNIDADES FRACCION DE N EXAMINADAS DEFECTUOSAS DEFECTUOSIDAD LSC 1 700 18 0.026 0.052918 2 400 12 0.030 0.059516 3 650 23 0.035 0.053689 4 1140 16 0.014 0.048495 5 400 13 0.033 0.059516 6 800 15 0.019 0.051598 7 550 21 0.038 0.055536 8 950 20 0.021 0.050024 9 1200 36 0.030 0.048090 10 480 17 0.035 0.057160 11 500 21 0.042 0.056662 12 680 20 0.029 0.053216 13 500 32 0.064 0.056662 14 480 28 0.058 0.057160 15 700 25 0.036 0.052918 16 1100 21 0.019 0.048784 17 800 12 0.015 0.051598 18 350 18 0.051 0.061382 19 400 12 0.030 0.059516 20 580 20 0.034 0.054932 21 400 16 0.040 0.059516 22 800 13 0.016 0.051598 23 1000 15 0.015 0.049580 24 500 21 0.042 0.056662 25 670 20 0.030 0.053370 26 400 31 0.078 0.059516 27 760 17 0.022 0.052094 28 1200 21 0.018 0.048090 29 960 20 0.021 0.049932 30 980 32 0.033 0.049753 SUMA 21030 606 0.974 MEDIA 701 20.2 0.032
LIC 0.012046 0.005448 0.011274 0.016468 0.005448 0.013366 0.009427 0.014940 0.016874 0.007803 0.008302 0.011748 0.008302 0.007803 0.012046 0.016180 0.013366 0.003581 0.005448 0.010031 0.005448 0.013366 0.015384 0.008302 0.011593 0.005448 0.012869 0.016874 0.015031 0.015210
LC = 0.032
32
GRAFICO DE "p"
0.08 0.07 0.06 0.05 0.04 0.03 0.02 0.01 0.00
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
Series1 Series2 Series3
MUESTRA
Serie 1 = LSC Serie 2 = p Serie 3 = LIC Se rechaza porque existen tres puntos fuera de los lmites de control, sacar otras 30 muestras y hacer el mismo clculo.
3 GRAFICOS POR DEFECTOS POR PIEZA (d)

Se utiliza cuando una unidad puede tener ms de un defecto y se conoce con el nombre de grfico de defectos por pieza. Tamao de muestra (n) nico para todas las muestras. Ejemplo .- En una empresa manufacturera se desea establecer un control del proceso por atributos para lo que se extrajo 30 muestras de 10 unidades cada una. LC = 2.02 LSC = 2.02 + 3*2.02 = 6.28 LIC = 2.02 - 3*2.02 = -2.24 0
33
GRAFICO DE CONTROL POR NUMERO DE DEFECTOS POR PIEZA MUESTRA n DEFECTOS d N POR MUESTRA 1 10 18 1.8 2 10 12 1.2 3 10 23 2.3 4 10 16 1.6 5 10 13 1.3 6 10 15 1.5 7 10 21 2.1 8 10 20 2.0 9 10 36 3.6 10 10 17 1.7 11 10 21 2.1 12 10 20 2.0 13 10 32 3.2 14 10 28 2.8 15 10 25 2.5 16 10 21 2.1 17 10 12 1.2 18 10 18 1.8 19 10 12 1.2 20 10 20 2.0 21 10 16 1.6 22 10 13 1.3 23 10 15 1.5 24 10 21 2.1 25 10 20 2.0 26 10 31 3.1 27 10 17 1.7 28 10 21 2.1 29 10 20 2.0 30 10 32 3.2 SUMA 300 606 60.6 MEDIA 10 20.2 2.02
34
GRAFICO DE "d"
6.0 5.0 4.0 3.0 2.0 1.0 0.0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
MUESTRA
Tiene lmites vlidos todo esta bajo control.
4 GRAFICOS POR DEFECTOS POR MUESTRA (c)

Se utiliza cuando no se puede dividir la muestra. Nmero de muestras K >25 c = N total de defectos en todas las muestras (K) k LC = c LSC = c + 3*c LIC = c - 3*c Ejemplo .- En una empresa textil manufacturera se desea establecer un control del proceso de estampado para lo que se analiz 30 muestras de un metro cuadrado cada una y se determino los siguientes defectos. LC = 20.2 LSC = 20.2 + 3*20.2 = 33.68 LIC = 20.2 - 3*20.2 = 6.72
35
GRAFICO DE CONTROL POR NUMERO DE DEFECTOS POR MUESTRA MUESTRA DEFECTOS MUESTRA DEFECTOS N POR MUESTRA N POR MUESTRA 1 18 16 21 2 12 17 12 3 23 18 18 4 16 19 12 5 13 20 20 6 15 21 16 7 21 22 13 8 20 23 15 9 36 24 21 10 17 25 20 11 21 26 31 12 20 27 17 13 32 28 21 14 28 29 20 15 25 30 32 SUMA 606 MEDIA 20.2
GRAFICO DE "c"
40 35 30 25 20 15 10 5 0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
MUESTRA
Esta FUERA de control.
36
TABLA PARA EL CALCULO DE GRAFICOS X - R GRAFICO X R NORMAL GRAFICO DE LAS MEDIAS (X) LIMITE SUPERIOR DE INTERVENCION LIMITE SUPERIOR DE ADVERTENCIA LIMITE INFERIOR DE ADVERTENCIA LIMITE INFERIOR DE INTERVENCION GRAFICO DE LOS RANGOS LIMITE SUPERIOR DE CONTROL LIMITE INFERIOR DE CONTROL FORMULA LSI = + A2*R LSA = + 2 A2*R 3 LIA = - 2 A2*R 3 LII = - A2*R LSC = D4* R LIC = D3* R
GRAFICO X R CON ESPECIFICACIONES DE X y GRAFICO DE LAS MEDIAS (X) FORMULA LIMITE SUPERIOR DE INTERVENCION LSI = + A * LIMITE SUPERIOR DE ADVERTENCIA LIMITE INFERIOR DE ADVERTENCIA LIMITE INFERIOR DE INTERVENCION GRAFICO DE LOS RANGOS LIMITE SUPERIOR DE CONTROL LIMITE INFERIOR DE CONTROL LSA = + 2A * 3 LIA = - 2A * 3 LII = - A * FORMULA LSC = D2* LIC = D1*
GRAFICO X R CON LIMITES MODIFICADOS GRAFICO DE LAS MEDIAS (X) FORMULA LIMITE SUPERIOR MODIFICADO LSCm = LES (3/d2 A2) * R LIMITE INFERIOR MODIFICADO GRAFICO DE LOS RANGOS LIMITE SUPERIOR DE CONTROL LIMITE INFERIOR DE CONTROL LICm = LEI + (3/d2 A2) * R FORMULA LSC = D4* R LIC = D3* R
37
TABLA PARA EL CALCULO DE GRAFICOS X - S GRAFICO X S NORMAL GRAFICO DE LAS MEDIAS (X) LIMITE SUPERIOR DE INTERVENCION LIMITE SUPERIOR DE ADVERTENCIA LIMITE INFERIOR DE ADVERTENCIA LIMITE INFERIOR DE INTERVENCION GRAFICO DE LAS DESVIACIONES LIMITE SUPERIOR DE CONTROL LIMITE INFERIOR DE CONTROL LSC = B4*S LIC = B3*S LSC = (1 + (3 / 2n)) *S LIC = (1 - (3 / 2n)) *S Para n 25 LSI = + (3 / n) *S LSA = + (2 / n) *S LIA = - (2 / n) *S LII = - (3 / n) *S
Para 10n<25 LSI = + A3*S LSA = + 2A3*S 3 LIA = - 2A3*S 3 LII = - A3*S
TABLA PARA EL CALCULO DE GRAFICOS X - S CON ESPECIFICACIONES DE X y GRAFICO X S CON ESPECIFICACIONES DE X y GRAFICO DE LAS MEDIAS (X) Para 10n<25 LIMITE SUPERIOR DE INTERVENCION LIMITE SUPERIOR DE ADVERTENCIA LIMITE INFERIOR DE ADVERTENCIA LIMITE INFERIOR DE INTERVENCION GRAFICO DE LAS DESVIACIONES LIMITE SUPERIOR DE CONTROL LIMITE INFERIOR DE CONTROL LSI = + A * LSA = + 2A * 3 LIA = - 2A * 3 LII = - A * LSC = B2* LIC = B1* Para n 25 LSI = + (3 / n) * LSA = + (2 / n) * LIA = - (2 / n) * LII = - (3 / n) * LSC = (1 + (3 / 2n)) * LIC = (1 - (3 / 2n)) *
TABLA PARA EL CALCULO DE GRAFICOS X - S MODIFICADOS GRAFICO X S MODIFICADOS GRAFICO DE LAS MEDIAS (X) LIMITE MODIFICADO SUPERIOR LIMITE MODIFICADO INFERIOR GRAFICO DE LAS DESVIACIONES LIMITE SUPERIOR DE CONTROL LIMITE INFERIOR DE CONTROL Para n 25 LMS = LES 3(1 + (1 / n)) *S LMI = LEI + 3(1 + (1 / n)) *S LSC = (1 + (3 / 2n)) * S LIC = (1 - (3 / 2n)) * S
Para 10n<25 LMS = LES (3/C4 A3)*S LMI = LEI + (3/C4 A3)*S
LSC = B2* S LIC = B1* S
38
TABLA PARA EL CALCULO DE GRAFICOS DE CONTROL POR ATRIBUTOS GRAFICO POR NUMERO DE UNIDADES DEFECTUOSAS (np) GRAFICO np LIMITE SUPERIOR DE CONTROL LIMITE INFERIOR DE CONTROL Para p 0.05 LSC = np + 3(np (1- p)) LIC = np - 3(np (1- p)) Para p < 0.05 LSC = np + 3(np) LIC = np - 3(np)
GRAFICO POR FRACCION DE DEFECTUOSIDAD (p) GRAFICO p LIMITE SUPERIOR DE CONTROL LIMITE INFERIOR DE CONTROL Para tamaos de muestras variables LSC = p + 3(p (1- p)/ni) LIC = p - 3(p (1- p)/ni)
GRAFICO POR DEFECTOS POR PIEZA (d) GRAFICO d LIMITE SUPERIOR DE CONTROL LIMITE INFERIOR DE CONTROL Para piezas con varios defectos LSC = d+ 3(d) LIC = d - 3(d)
GRAFICO POR DEFECTOS POR MUESTRA (c) GRAFICO c LIMITE SUPERIOR DE CONTROL LIMITE INFERIOR DE CONTROL Para muestras de una unidad LSC = c + 3(c) LIC = c - 3(c)
39

Calidad Parte III Alex Choque

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Calidad Parte III Alex Choque

Transféré par

Droits d'auteur :

Formats disponibles

CONTROL DE PROCESOS CONTROL DE PROCESOS CONTROL DE PROCESOS

CONTROL DE CALIDAD EN EL PROCESO

1 FORMAS DEL CONTROL DE CALIDAD DEL PROCESO PRODUCTIVO

Primera operacin Inspeccin de calidad por el trabajo realizado

Segunda operacin Inspeccin de calidad por el trabajo realizado

Inspeccin de calidad por el trabajo realizado

Ventajas del Control Intermedio

CONTROL DE PROCESOS CONTROL DE PROCESOS CONTROL DE PROCESOS

Inspeccin final de calidad del trabajo realizado

CONTROL DE PROCESOS CONTROL DE PROCESOS CONTROL DE PROCESOS

CONTROL DE PROCESOS CONTROL DE PROCESOS CONTROL DE PROCESOS

Conclusin: La eficiencia es baja.

2 TOLERANCIA NATURAL DEL PROCESO o CAPACIDAD DEL PROCESO.

= Desviacin estndar terica

CONTROL DE PROCESOS CONTROL DE PROCESOS CONTROL DE PROCESOS

4 RELACION ENTRE TOLERANCIA NATURAL Y TOLERANCIA DE DISEO

CONTROL DE PROCESOS CONTROL DE PROCESOS CONTROL DE PROCESOS

FRECUENCIA 3 9 12 16 10 8 2 60 7.54 64.42

CONTROL DE PROCESOS CONTROL DE PROCESOS CONTROL DE PROCESOS

CONTROL DE PROCESOS CONTROL DE PROCESOS CONTROL DE PROCESOS

METODO DE LOS RANGOS K = 20 n=5

Rp = 0.592 = 0.0296 20 TN = 6*0.0296 =0.07635 2.326

CONTROL DE PROCESOS CONTROL DE PROCESOS CONTROL DE PROCESOS

Muestra N 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 Sp = 0.2360 = 0.0118 20 TN = 6*0.0118 = 0.7532 0.94

CONTROL DE PROCESOS CONTROL DE PROCESOS CONTROL DE PROCESOS

Muestra N 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 p = 0.2111 = 0.0106 20 TN = 6*0.0106 = 0.0756 0.8407

Relaciones de las estimaciones de la desviacin * = Rp = Sp = p d2 C4 C2

CONTROL DE PROCESOS CONTROL DE PROCESOS CONTROL DE PROCESOS

CONTROL DE PROCESOS CONTROL DE PROCESOS CONTROL DE PROCESOS

5 CONSIDERACIONES PARA EL CONTROL DEL PROCESO

CONTROL DE PROCESOS CONTROL DE PROCESOS CONTROL DE PROCESOS

La representacin grfica de este sistema es la siguiente

CONTROL DE PROCESOS CONTROL DE PROCESOS CONTROL DE PROCESOS

GRAFICOS DE CONTROL POR VARIABLES

CONTROL DE PROCESOS CONTROL DE PROCESOS CONTROL DE PROCESOS

1,900 1,800 1,700 1,600 1,500 1,400 1,300 1 3 5 7 9

Media LSI LSA LIA LII

2 GRAFICO DE LOS RANGOS (R)

CONTROL DE PROCESOS CONTROL DE PROCESOS CONTROL DE PROCESOS

CONTROL DE PROCESOS CONTROL DE PROCESOS CONTROL DE PROCESOS

3 GRAFICO DE CONTROL POR VARIABLES X-R

MUESTRA 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 SUMA MEDIA

CONTROL DE PROCESOS CONTROL DE PROCESOS CONTROL DE PROCESOS

GRAFICO DE LAS MEDIAS

GRAFICO DE LOS RANGOS

CONTROL DE PROCESOS CONTROL DE PROCESOS CONTROL DE PROCESOS

4 GRAFICO DE CONTROL POR VARIABLES X-R CON DATOS CONOCIDOS

CONTROL DE PROCESOS CONTROL DE PROCESOS CONTROL DE PROCESOS

5 GRAFICO X-R MODIFICADO

CONTROL DE PROCESOS CONTROL DE PROCESOS CONTROL DE PROCESOS

6 GRAFICOS X-R PARA MUESTRAS INDIVIDUALES

CONTROL DE PROCESOS CONTROL DE PROCESOS CONTROL DE PROCESOS

CONTROL DE PROCESOS CONTROL DE PROCESOS CONTROL DE PROCESOS

GRAFICO DE LAS MEDIAS

CONTROL DE PROCESOS CONTROL DE PROCESOS CONTROL DE PROCESOS

CONTROL DE PROCESOS CONTROL DE PROCESOS CONTROL DE PROCESOS

CONTROL DE PROCESOS CONTROL DE PROCESOS CONTROL DE PROCESOS

GRAFICO DE LAS MEDIAS

0.02 0.00 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 MUESTRA

CONTROL DE PROCESOS CONTROL DE PROCESOS CONTROL DE PROCESOS

8 GRAFICOS DE CONTROL POR VARIABLES X-S

CONTROL DE PROCESOS CONTROL DE PROCESOS CONTROL DE PROCESOS

DATOS MUESTRALES PARA UN GRAFICO POR VARIABLES XS

1,900 1,800 1,700 1,600 1,500 1,400 1,300 1 3 5 7 9