P agina www

P agina de Abertura
Contenido


P agina 1 de 34
Regresar
Full Screen
Cerrar
Abandonar
Control estadstico de la calidad:
Diagramas de control
50 40 30 20 10 0





Sample Number
S
a
m
p
l
e

M
e
a
n
X-bar Chart
Mean
UCL
LCL
Fernando Jim enez Torres
Pedro Jodr a Esteban
Departamento de M etodos Estadsticos
P agina www
P agina de Abertura
Contenido


P agina 2 de 34
Regresar
Full Screen
Cerrar
Abandonar
1. Control Estadstico de la Calidad
Contenidos
1.1 Introducci on: Gr acos de control de Shewhart
1.2 Gr acos de control de variables
1.3 Diagramas de control para la media
1.4 Diagramas de control para la dispersi on
1.5 Aplicaciones
1.6 Gr acos de control de atributos
1.7 Diagrama para la proporci on de defectuosos
1.8 Diagrama para el n umero de defectos por unidad
1.9 Aplicaciones
P agina www
P agina de Abertura
Contenido


P agina 3 de 34
Regresar
Full Screen
Cerrar
Abandonar
1. Control Estadstico de la Calidad
Control estadstico de procesos
Proceso industrial: Est a siempre sujeto a un cierto grado de variabilidad.
Fuentes de variabilidad
Causas aleatorias: variabilidad natural del proceso o ruido de fondo.
Causas atribuibles: variabilidad debida a deciencias detectables y corregibles.
Un proceso industrial que funciona en presencia de causas atribuibles se conside-
ra fuera de control y s olo cuando lo hace bajo causas aleatorias de variabilidad
se asume bajo control estadstico.
Objetivos del control estadstico de procesos (SPC)
Detectar online causas atribuibles que originan cambios en un proceso indus-
trial para tomar acciones correctoras antes de fabricar productos no conformes.
Reducir la variabilidad del proceso.
P agina www
P agina de Abertura
Contenido


P agina 4 de 34
Regresar
Full Screen
Cerrar
Abandonar
1. Control Estadstico de la Calidad
Causas de la variabilidad
Las causas de variabilidad en la producci on se agrupan en torno a las llamadas 5 M:
Mano de obra
M aquina
Materia prima
M etodo de fabricaci on
Medio ambiente
Los gr acos de control son, desde un punto de vista estadstico, una secuencia
cronol ogica de contrastes de hip otesis frente a los valores promedios observados
cuando el proceso est a bajo control.
Si se detecta que el proceso no est a bajo control es necesario localizar entre las 5 Ms
la fuente o fuentes de variabilidad que originan el fuera de control.
P agina www
P agina de Abertura
Contenido


P agina 5 de 34
Regresar
Full Screen
Cerrar
Abandonar
1.1 Introducci on: Gr acos de control
de Shewhart
P agina www
P agina de Abertura
Contenido


P agina 6 de 34
Regresar
Full Screen
Cerrar
Abandonar
1.1 Introducci on
Gr acos de control de Shewhart. Construcci on
Los diagramas de control constan de una lnea central, un lmite de control superior
y un lmite de control inferior. Se toman como lmites aquellos entre los cuales est a
aproximadamente el 99% de la producci on cuando el proceso est a bajo control.
Si Y es un estadstico que mide alguna caracterstica de calidad de inter es, siendo su
media
Y
y su desviaci on tpica
Y
, los lmites de control superior (UCL) e inferior
(LCL) y la lnea central (CL) se seleccionan de la forma:
UCL =
Y
+k
Y
,
CL =
Y
,
LCL =
Y
k
Y
,
siendo habitual utilizar los lmites conocidos como de 3 sigmas, es decir, k = 3.
Destacar que la desviaci on
Y
es la desviaci on tpica del estadstico utilizado en la
construcci on del diagrama de Shewhart y no la desviaci on de la caracterstica de
calidad examinada.
P agina www
P agina de Abertura
Contenido


P agina 7 de 34
Regresar
Full Screen
Cerrar
Abandonar
1.1 Introducci on
Gr acos de control de Shewhart. Construcci on
Se recogen cronol ogicamente datos que se van representando en el gr aco.
50 40 30 20 10 0





Sample Number
S
a
m
p
l
e

M
e
a
n
X-bar Chart
Mean
UCL
LCL
Observar datos fuera de los lmites de control, o bien patrones aparentes en la se-
cuencia representada, ya no se atribuye a la variabilidad natural del proceso sino a
causas asignables que deben ser identicadas y eliminadas.
P agina www
P agina de Abertura
Contenido


P agina 8 de 34
Regresar
Full Screen
Cerrar
Abandonar
1.1 Introducci on
Gr acos de control de Shewhart. Construcci on
Los gr acos de control de Shewhart se construyen siempre que sea posible a partir
de valores medios de las observaciones, agrupando en muestras, y no a partir de
observaciones individuales.
Razones estadsticas
1. Los valores medios muestrales tienen aproximadamente una distribuci on normal
con base en el teorema central del lmite
2. Los valores medios muestrales son m as sensibles a las variaciones de la media
del proceso que los valores individuales consecuencia de la disminuci on de la
varianza al trabajar con datos promediados:
X N(, ) , X N
_
,

n
_
.
Consecuencia. Se detecta con mayor rapidez que la media de un proceso est a cam-
biando trabajando con muestras peque nas que con datos individuales.
P agina www
P agina de Abertura
Contenido


P agina 9 de 34
Regresar
Full Screen
Cerrar
Abandonar
1.1 Introducci on
Gr acos de control de Shewhart. Clasicaci on
Clasicaci on general de los diagramas de control
Gr aco de control de variables: la caracterstica de producci on en estudio se
modela a trav es de una variable de tipo continuo.
Gr aco de control de atributos: la caracterstica de producci on en estudio se
modela a trav es de una variable de tipo discreto.
50 40 30 20 10 0





Sample Number
S
a
m
p
l
e

M
e
a
n
X-bar Chart
Mean
UCL
LCL
P agina www
P agina de Abertura
Contenido


P agina 10 de 34
Regresar
Full Screen
Cerrar
Abandonar
1.2 Gr acos de control de variables
P agina www
P agina de Abertura
Contenido


P agina 11 de 34
Regresar
Full Screen
Cerrar
Abandonar
1.2 Gr acos de control de variables
Control de la media y de la desviaci on tpica
Metodologa
Vericar que un proceso est a bajo control exige controlar una medida de locali-
zaci on, generalmente la media, y simult aneamente una de dispersi on, habitualmente
la desviaci on tpica.
Dado que el gr aco de la media depende de la dispersi on, es conveniente realizar en
primer lugar el control de la dispersi on para vericar que la variabilidad permanece
estable y en segundo lugar comprobar que el proceso est a bajo control en media.
Gr acos de control de variables de uso m as frecuente:
Control de la media: gr aco de control X.
Control de la dispersi on: gr aco de control S.
P agina www
P agina de Abertura
Contenido


P agina 12 de 34
Regresar
Full Screen
Cerrar
Abandonar
1.3 Diagrama de control para la
media
P agina www
P agina de Abertura
Contenido


P agina 13 de 34
Regresar
Full Screen
Cerrar
Abandonar
1.3 Diagrama de control para la media
Gr aco de control X
Caracterstica de calidad que se controla en la producci on:
X (variable aleatoria normal)
Sup ongase que en un proceso bajo control los par ametros media y varianza de X son
y
2
, es decir, X N(,
2
), siendo ambos conocidos.
Entonces en el intervalo:
_
3

n
, + 3

n
_
se encuentra el 99.73% de la producci on.
Gr aco de control X (
0
conocida)
UCL = + 3

n
,
CL = ,
LCL = 3

n
.
P agina www
P agina de Abertura
Contenido


P agina 14 de 34
Regresar
Full Screen
Cerrar
Abandonar
1.3 Diagrama de control para la media
Gr aco de control X
Caracterstica de calidad que se controla en la producci on:
X (variable aleatoria normal)
Sup ongase que en un proceso bajo control los par ametros media y varianza de X son
desconocidos. Entonces se estiman a partir de datos hist oricos.
Se aconseja tomar un mnimo de 20 o 25 muestras para obtener la media hist orica x
y la cuasidesviaci on tpica muestral s.
Gr aco de control X (
0
no conocida)
UCL = x + 3
s

n
,
CL = x,
LCL = x 3
s

n
.
P agina www
P agina de Abertura
Contenido


P agina 15 de 34
Regresar
Full Screen
Cerrar
Abandonar
1.4 Diagrama de control para la
dispersi on
P agina www
P agina de Abertura
Contenido


P agina 16 de 34
Regresar
Full Screen
Cerrar
Abandonar
1.4 Diagrama de control para la dispersi on
Gr aco de control S
Caracterstica de calidad que se controla en la producci on:
X (variable aleatoria normal)
Sup ongase que en un proceso bajo control los par ametros media y varianza de X son
desconocidos. Entonces se estiman a partir de datos hist oricos.
Gr acos de control de variables de uso m as frecuente para la dispersi on:
Gr aco de control S (recomendado).
Gr aco de control S
2
.
Gr aco de control R (no utilizar con muestras de m as de 3 unidades).
P agina www
P agina de Abertura
Contenido


P agina 17 de 34
Regresar
Full Screen
Cerrar
Abandonar
1.4 Diagrama de control para la dispersi on
Gr aco de control S
Caracterstica de calidad que se controla en la producci on:
X (variable aleatoria normal)
Sup ongase X N(, ) siendo los par ametros media y varianza desconocidos.
Se estiman a partir de datos hist oricos mediante los estimadores X y

S
2
, cuyas
propiedades son:
E[X] = , E[

S
2
] =
2
, E[

S] = c
4
, donde c
4
=
_
2
n 1
_
1/2
(n/2)
((n 1)/2)
.
Gr aco de control S
UCL = s + 3
s
c
4
_
1 c
2
4
,
CL = s,
LCL = s + 3
s
c
4
_
1 c
2
4
.
donde s =
1
m
m

i=1
s
i
y m es el n umero de muestras observadas.
P agina www
P agina de Abertura
Contenido


P agina 18 de 34
Regresar
Full Screen
Cerrar
Abandonar
1.4 Diagrama de control para la dispersi on
Gr aco de control S
2
Caracterstica de calidad que se controla en la producci on:
X (variable aleatoria normal)
Sup ongase X N(, ) los par ametros media y varianza desconocidos. Se estiman
a partir de datos hist oricos mediante los estimadores X y

S
2
, cuyas propiedades son:
E[X] = , E[

S
2
] =
2
.
Gr aco de control S
2
UCL =
s
2
n 1

2
1/2;n1
,
CL = s
2
,
LCL =
s
2
n 1

2
/2;n1
.
donde s =
1
m
m

i=1
s
i
y m es el n umero de muestras observadas.
P agina www
P agina de Abertura
Contenido


P agina 19 de 34
Regresar
Full Screen
Cerrar
Abandonar
1.4 Diagrama de control para la dispersi on
Gr aco de control R
Caracterstica de calidad que se controla en la producci on:
X (variable aleatoria normal)
Sup ongase X N(, ) los par ametros media y varianza desconocidos. Se estiman
a partir de datos hist oricos mediante los estimadores X y R:
R: amplitud de la muestra, es decir, R = x
max
x
min
.
Si el tama no de la muestra es peque no el m etodo de estimar mediante
la amplitud produce un estimador razonablemente bueno. En el caso de
valores moderados del tama no de cada muestra pierde su eciencia dado
que no toma en consideraci on toda la informaci on en la muestra.
Construcci on
Sigue la misma metodologa de los diagramas anteriores. Conocidos los diagramas
de S y S
2
carece de sentido su estudio te orico en este curso.

Unicamente se imple-
mentar an utilizando Minitab.
P agina www
P agina de Abertura
Contenido


P agina 20 de 34
Regresar
Full Screen
Cerrar
Abandonar
1.5 Aplicaciones
P agina www
P agina de Abertura
Contenido


P agina 21 de 34
Regresar
Full Screen
Cerrar
Abandonar
1.5 Aplicaciones
Diagramas de control de la media y la dispersi on
En un proceso de fabricaci on de anillos de pist on para motores se desea controlar este
mediante diagramas de control. Se toman 25 muestras de tama no 4 (ver tabla) en un
proceso que bajo control tiene distribuci on normal de par ametros media = 74 y
desviaci on tpica = 0.025. Establecer si el proceso se encuentra bajo control.

Nmero
muestra

1 73,9811 74,0017 74,0041 73,9995
2 74,0078 74,0228 74,0103 74,0187
3 74,0218 73,9720 73,9741 74,0034
4 74,0118 73,9645 74,0139 74,0067
5 74,0155 74,0115 74,0131 73,9953
6 74,0182 73,9877 73,9934 73,9918
7 73,9911 74,0002 73,9523 73,9729
8 74,0135 74,0429 74,0143 74,0062
9 73,9766 74,0423 74,0050 74,0311
10 73,9974 73,9756 73,9967 74,0066
11 73,9811 73,9956 74,0123 73,9741
12 73,9530 74,0153 74,0118 74,0096
13 74,0066 73,9921 74,0193 74,0044
14 74,0053 74,0100 74,0433 74,0230
15 74,0163 73,9873 73,9824 74,0187
16 73,9940 73,9946 73,9991 73,9862
17 73,9986 73,9985 73,9964 74,0081
18 74,0058 73,9941 74,0135 73,9617
19 73,9896 73,9709 73,9799 73,9708
20 74,0372 73,9957 74,0336 74,0212
21 74,0136 73,9901 73,9699 74,0048
22 73,9878 73,9977 74,0051 74,0275
23 73,9965 74,0170 74,0173 74,0047
24 74,0163 74,0241 74,0204 73,9735
25 74,0384 74,0020 73,9920 73,9970

P agina www
P agina de Abertura
Contenido


P agina 22 de 34
Regresar
Full Screen
Cerrar
Abandonar
1.5 Aplicaciones
Diagramas de control de la media y la dispersi on
Se realiza en primer lugar un an alisis de los datos en el que se observa la normalidad
de las observaciones obtenidas.
74,03 74,01 73,99 73,97 73,95
95% Confidence Interval for Mu
74,007 74,002 73,997
95% Confidence Interval for Median
Variable: Anillos
73,9976
0,0169
73,9979
Maximum
3rd Quartile
Median
1st Quartile
Minimum
N
Kurtosis
Skewness
Variance
StDev
Mean
P-Value:
A-Squared:
74,0067
0,0224
74,0055
74,0433
74,0142
74,0042
73,9913
73,9523
100
3,66E-02
-2,4E-01
3,71E-04
0,0193
74,0017
0,255
0,461
95% Confidence Interval for Median
95% Confidence Interval for Sigma
95% Confidence Interval for Mu
Anderson-Darling Normality Test
Descriptive Statistics
P agina www
P agina de Abertura
Contenido


P agina 23 de 34
Regresar
Full Screen
Cerrar
Abandonar
1.5 Aplicaciones
Diagramas de control de la media y la dispersi on
Se realiza el an alisis a trav es de Minitab utilizando los gr acos X y S.
25 20 15 10 5 Subgroup 0
74,045
74,035
74,025
74,015
74,005
73,995
73,985
73,975
73,965
73,955
S
a
m
p
l
e

M
e
a
n
Mean=74
UCL=74,04
LCL=73,96
0,06
0,05
0,04
0,03
0,02
0,01
0,00
S
a
m
p
l
e

S
t
D
e
v
S=0,02303
UCL=0,05219
LCL=0
Xbar/S Chart for Anillos
Conclusi on. El proceso est a bajo control (no se observan muestras fuera de lmites
ni patrones).
P agina www
P agina de Abertura
Contenido


P agina 24 de 34
Regresar
Full Screen
Cerrar
Abandonar
1.5 Aplicaciones
Diagramas de control de la media y la dispersi on
Se realiza el an alisis a trav es de Minitab utilizando los gr acos X y R.
25 20 15 10 5 Subgroup 0
74,045
74,035
74,025
74,015
74,005
73,995
73,985
73,975
73,965
73,955
S
a
m
p
l
e

M
e
a
n
Mean=74
UCL=74,04
LCL=73,96
0,10
0,05
0,00
S
a
m
p
l
e

R
a
n
g
e
R=0,05148
UCL=0,1174
LCL=0
Xbar/R Chart for Anillos
Conclusi on. El proceso est a bajo control (no se observan muestras fuera de lmites
ni patrones).
P agina www
P agina de Abertura
Contenido


P agina 25 de 34
Regresar
Full Screen
Cerrar
Abandonar
1.6 Gr acos de control de atributos
P agina www
P agina de Abertura
Contenido


P agina 26 de 34
Regresar
Full Screen
Cerrar
Abandonar
1.6 Gr acos de control de atributos
Diagramas de control de proporciones y artculos con defectos
Diversas caractersticas de calidad se representan a trav es de variables discretas en
lugar de hacerlo utilizando variables continuas.
En estos casos los artculos inspeccionados se clasican en:
conformes
disconformes
dependiendo de si cumplen o no con las especicaciones t ecnicas de la caracterstica
objeto de estudio.
Gr acos de control de atributos de uso m as frecuente:
Control de la proporci on de disconformes: gr aco de control p.
Control del n umero de disconformes: gr aco de control np.
Control del n umero de disconformes por unidad: gr aco de control c.
Control del n umero medio de disconformidades por unidad: gr aco de control
u.
P agina www
P agina de Abertura
Contenido


P agina 27 de 34
Regresar
Full Screen
Cerrar
Abandonar
1.7 Diagrama para la proporci on de
defectuosos
P agina www
P agina de Abertura
Contenido


P agina 28 de 34
Regresar
Full Screen
Cerrar
Abandonar
1.7 Diagrama para la proporci on de defectuosos
Diagrama de control p
Se supone que en el proceso de producci on bajo control la probabilidad de obtener
un artculo defectuoso es p, 0 < p < 1, y que los artculos que se producen son
independientes.
El diagrama de control de la proporci on disconforme se basa en el modelo binomial:
Artculo i defectuoso: X
i
B(p).
N umero de artculos defectuosos en muestra de tama no n, X B(n, p):
P(X = k) =
_
n
k
_
p
k
(1 p)
nk
, k = 0, 1, . . . , n.
E[X] = np, V ar[X] = np(1 p).
Proporci on disconforme en muestra de tama no n: p =
X
n
.
Si no se conoce p se estima a partir de muestras previas tomadas en el proceso bajo
control. Si se estima a partir de m muestras:
p =

m
j=1
p
i
m
P agina www
P agina de Abertura
Contenido


P agina 29 de 34
Regresar
Full Screen
Cerrar
Abandonar
1.7 Diagrama para la proporci on de defectuosos
Diagrama de control p
Gr aco de control p (p conocida)
UCL = p + 3
_
p(1 p)
n
,
CL = p,
LCL = p 3
_
p(1 p)
n
.
Gr aco de control p (p no conocida)
UCL = p + 3
_
p(1 p)
n
,
CL = p,
LCL = p 3
_
p(1 p)
n
.
P agina www
P agina de Abertura
Contenido


P agina 30 de 34
Regresar
Full Screen
Cerrar
Abandonar
1.7 Diagrama para la proporci on de defectuosos
Diagrama de control p. Aplicaci on
Un proceso produce chips de ordenador. Se dispone de informaci on (ver tabla)
recogida para 20 muestras, de tama no 100 cada una, con los chips que no super-
aron un control de calidad relativo a su velocidad.
El proceso de fabricaci on de los chips se comporta bajo condiciones estables con una
tasa de fallo del 5%. Establecer si el proceso en estudio est a bajo control.
Nmero muestra Chips defectusos en
la muestra
Nmero muestra Chips defectusos en
la muestra
1 4 11 5
2 11 12 9
3 7 13 8
4 8 14 9
5 1 15 11
6 9 16 9
7 3 17 5
8 7 18 9
9 9 19 11
10 9 20 8

P agina www
P agina de Abertura
Contenido


P agina 31 de 34
Regresar
Full Screen
Cerrar
Abandonar
1.7 Diagrama para la proporci on de defectuosos
Diagrama de control p. Aplicaci on
Se realiza el an alisis a trav es de Minitab utilizando el gr aco de control p.
20 10 0
0,10
0,05
0,00
Sample Number
P
r
o
p
o
r
t
i
o
n
P Chart for Chips
P=0,05
UCL=0,1154
LCL=0
Concusi on. El proceso est a fuera de control. No se observar valores fuera de los
lmites de control. Sin embargo, existe una tendencia (patr on) que conduce a pensar
que la proporci on de defectuosos aumenta dado que la mayor parte de las muestras
observadas presentan una media con valor superior a p = 0.05.
P agina www
P agina de Abertura
Contenido


P agina 32 de 34
Regresar
Full Screen
Cerrar
Abandonar
1.8 Diagrama para el n umero de
defectos por unidad
P agina www
P agina de Abertura
Contenido


P agina 33 de 34
Regresar
Full Screen
Cerrar
Abandonar
1.8 Diagrama para el n umero de defectos por unidad
Diagrama de control c
Se supone que en el proceso de producci on bajo control el n umero medio de defectos
por unidad es c > 0 y que cada unidad producida es independiente del resto.
El diagrama de control del n umero de defectos por unidad se basa en el modelo
Poisson:
N umero de defectos en la unidad i: X
i
Poisson(c).
P(X
i
= k) =
c
k
k!
e
c
, k = 0, 1, . . .
E[X
i
] = c, V ar[X
i
] = c.
Si no se conoce c se estima como la media muestral observada a partir de muestras
previas tomadas en el proceso bajo control.
P agina www
P agina de Abertura
Contenido


P agina 34 de 34
Regresar
Full Screen
Cerrar
Abandonar
1.8 Diagrama para el n umero de defectos por unidad
Diagrama de control c
Gr aco de control c (c conocida)
UCL = c + 3

c,
CL = c,
LCL = c 3

c.
Gr aco de control c (c no conocida)
UCL = c + 3

c,
CL = c,
LCL = c 3

c.