Académique Documents
Professionnel Documents
Culture Documents
Marco conceptual
Mejora de la
calidad
Mtodos utilizados
Marco conceptual
Mejora de la
calidad
Mtodos utilizados
Definicin de trminos
Medidas descriptivas
Ejercicios
Definicin de trminos
Medidas descriptivas
Ejercicios
Hoja de verificacin
Histograma
Diagrama de Pareto
Diagrama causa-efecto
Diagrama de flujo
Diagrama de
dispersin
Hoja de verificacin
Histograma
Diagrama de Pareto
Diagrama causa-efecto
Diagrama de flujo
Diagrama de
dispersin
Definiciones
ndice de capacidad
Definiciones
ndice de capacidad
Aspectos conceptuales
Aspectos conceptuales
Exceso de Desperdicios?
Problemas de llenado?
Sobrepeso?
Excesivas devoluciones?
Si su respuesta es...
Si su respuesta es...
NO !
NO !
Gracias por
Gracias por
su valioso
su valioso
tiempo...
tiempo...
Esto no es
Esto no es
para usted!
para usted!
Pero si su respuesta es...
Pero si su respuesta es...
SI !
SI !
El C.E.P.
El C.E.P.
(Control Estadstico de
(Control Estadstico de
Proceso )
Proceso )
La solucin es :
Qu es C.E.P.?
Qu es C.E.P.?
$ $ $ $ $ $ $
Como trabaja el C.E.P....
Como trabaja el C.E.P....
Recolectando,
analizando e
interpretando los datos
que generan los mismos
procesos
Cambiando el nfasis de la
deteccin a la prevencin
NO ES SOLO UN ASUNTO DE
MANUFACTURA
Ingeniera para :
Mantenimiento para:
Calidad significa adecuacin para uso. Calidad significa adecuacin para uso.
Hospital Hospital
Pacientes tratados con cortesa por todo el Pacientes tratados con cortesa por todo el
personal? personal?
apoya todo el entorno del Hospital a que los apoya todo el entorno del Hospital a que los
pacientes se recuperen? pacientes se recuperen?
Banco Banco
las transacciones del cliente se completa con las transacciones del cliente se completa con
precisin? precisin?
Cumple el Banco con las reglamentaciones Cumple el Banco con las reglamentaciones
gubernamentales? gubernamentales?
Los estados de los clientes reflejan con Los estados de los clientes reflejan con
exactitud sus transacciones?
Fabrica de automoviles
Es agradable su apariencia?
Aserradero
Desempeo Desempeo
Confiabilidad Confiabilidad
Durabilidad Durabilidad
Esttica Esttica
FRANK / LILLIAN GILBERTH: FRANK / LILLIAN GILBERTH: Afinan los movimientos, Afinan los movimientos,
resaltan la necesidad de inters por los trabajadores resaltan la necesidad de inters por los trabajadores
FORDISMO: FORDISMO: Lneas de produccin masiva, los Lneas de produccin masiva, los
trabajadores deben ser consumidores trabajadores deben ser consumidores
31
1... CEP en Occidente Western
1... CEP en Occidente Western
Electric
Electric
1924: 1924: WALTER SHEWHART WALTER SHEWHART realiz experimentos realiz experimentos
en base al Teorema del Lmite Central y en base al Teorema del Lmite Central y
desarroll las Cartas de Control del CEP desarroll las Cartas de Control del CEP
1926: 1926: HAROLD F. DODGE Y HARRY G. ROMIG HAROLD F. DODGE Y HARRY G. ROMIG, ,
desarrollaron las tcnicas de Muestreo desarrollaron las tcnicas de Muestreo
Estadstico Estadstico
D Durante la 2a. Guerra Mundial se expande el urante la 2a. Guerra Mundial se expande el
uso del CEP en la industria de manufactura uso del CEP en la industria de manufactura
1950s: EDWARD DEMING / JOSEPH JURAN: 1950s: EDWARD DEMING / JOSEPH JURAN:
Entrenaron a lderes industriales en tcnicas Entrenaron a lderes industriales en tcnicas
del CEP del CEP
Los japoneses implantaron el CEP y lograron Los japoneses implantaron el CEP y lograron
productos de alta calidad, Occidente retoma productos de alta calidad, Occidente retoma
los mtodos de CEP hasta despus de los los mtodos de CEP hasta despus de los
1980s. 1980s.
33
1... Antecedentes histricos
1... Antecedentes histricos
Control de calidad por inspeccin: Control de calidad por inspeccin: Con la Con la
divisin del trabajo, a divisin del trabajo, aparecen los parecen los
inspectores, inspeccin 100% inspectores, inspeccin 100%
C Control estadstico del proceso ontrol estadstico del proceso: : Shewhart, Shewhart,
Deming, Juran. Se usa en Japn (50s) y EUA Deming, Juran. Se usa en Japn (50s) y EUA
(80s) (80s)
Tcnica til para el monitoreo de procesos Tcnica til para el monitoreo de procesos
Sirven para p Sirven para preven revenir ir la produccin de defectivos la produccin de defectivos
0
5
10
15
LCS
Promedio
LCI
Perfil
Carta X
LSC
MEDIA
LIC
35
B. B. DISEO DE EXPERIMENTOS DISEO DE EXPERIMENTOS
Tcnica til para identificar las variables clave Tcnica til para identificar las variables clave
que afectan a la variabilidad de productos. que afectan a la variabilidad de productos.
Permite variar en forma sistemtica los factores Permite variar en forma sistemtica los factores
y analizar su efecto y analizar su efecto
Variables de Variables de Caracterstica Caracterstica
Entrada/Factores Entrada/Factores de calidad de calidad
Proceso Proceso
1... Mtodos estadsticos de control y
1... Mtodos estadsticos de control y
mejoramiento de calidad
mejoramiento de calidad
36
C. C. MUESTREO DE ACEPTACIN MUESTREO DE ACEPTACIN
Tcnica que permite calificar lotes de productos Tcnica que permite calificar lotes de productos
como conformes o no conformes como conformes o no conformes, por medio de , por medio de
una muestra representativa una muestra representativa sin inspeccionar al sin inspeccionar al
100% 100%
MUESTRA MUESTRAOK? OK?
LOTE LOTE
1... Mtodos estadsticos de control y
1... Mtodos estadsticos de control y
mejoramiento de calidad
mejoramiento de calidad
37
1... Administracin por Calidad Total
1... Administracin por Calidad Total
MODELOS Creacin de valor a las partes MODELOS Creacin de valor a las partes
interesadas interesadas
Liderazgo gerencial, Liderazgo gerencial, ser ser parte de un programa parte de un programa
mayor mayor
Educacin y entrenamiento en todos los niveles Educacin y entrenamiento en todos los niveles
2
: la media muestral
: la proporcin muestral
: la varianza muestral
: la desviacin estndar muestral
x
p
s
s
Ejemplo de Parmetros
Ejemplo de Parmetros
Clasificacin de las variables
Clasificacin de las variables
45
Caso de Estudio
Caso de Estudio
1
1
46
Se distribuye un cierto numero de empresas segn Se distribuye un cierto numero de empresas segn
sus inversiones en millones de dlares. sus inversiones en millones de dlares.
5 7 6 7 9 8 5 7 8 10
7 6 6 5 6 7 9 7 10 8
6 9 7 6 6 5 11 10 7 8
Construya un cuadro de distribucin de frecuencias. Construya un cuadro de distribucin de frecuencias.
Distribuciones de frecuencia
Distribuciones de frecuencia
Caso de Estudio
Caso de Estudio
2
2
47
Se tiene los resultados de los exmenes tomados a Se tiene los resultados de los exmenes tomados a
30 estudiantes en un determinado curso. Los 30 estudiantes en un determinado curso. Los
puntajes son: puntajes son:
34 28.5 35.5 46 32 24.5
30 23 38 33.5 41 34
30.5 27 38 43 48 27
31 26.5 37 26 41 32.5
26 29 20 36 36.5 41.5
Construya un cuadro de distribucin de frecuencias. Construya un cuadro de distribucin de frecuencias.
48
1.Medidas de tendencia
1.Medidas de tendencia
central
central
Medidas descripticas
Medidas descripticas
Media aritmtica muestral
Media aritmtica muestral
1
Media aritmtica poblacional
Media aritmtica poblacional
N
x
N
i
i
1
Media aritmtica para datos en
Media aritmtica para datos en
frecuencias
frecuencias
k
i
i i
k
i
i i
h y
n
f y
1
1
Media aritmtica para datos
Media aritmtica para datos
agrupados
agrupados
Donde: Donde:
X X
i i
son las marcas de clase de los intervalos son las marcas de clase de los intervalos
de clase de clase
f f
i i
es la frecuencia absoluta del intervalo i es la frecuencia absoluta del intervalo i
n n es el nmero de datos es el nmero de datos
k k es el nmero de intervalos es el nmero de intervalos
k
i
i i
k
i
i i
k
i
i
k
i
i i
h X
n
f X
f
f X
x
1
1
1
1
Media aritmtica ponderada
Media aritmtica ponderada
La media aritmtica de y
La media aritmtica de y
1 1
, y
, y
2 2
,...,y
,...,y
k k
ponderada por los pesos
ponderada por los pesos
w
w
1 1
, w
, w
2 2
, ..., w
, ..., w
k k
es:
es:
k
i
i
k
i
i i
w
w y
x
1
1
Mediana (Me)
Mediana (Me)
si n es impar es el valor central de los datos ordenados. si n es impar es el valor central de los datos ordenados.
si n es par es la semisuma de los dos datos centrales. si n es par es la semisuma de los dos datos centrales.
Depende del nmero de datos, no de los Depende del nmero de datos, no de los
valores de los datos por lo que no se ve valores de los datos por lo que no se ve
afectada por valores extremos. afectada por valores extremos.
Mediana (Me)
Mediana (Me)
La mediana de datos agrupados es:
La mediana de datos agrupados es:
,
_
+
1
2
m
m
m
m
F
n
f
W
L Me
Donde:
Lm : limite inferior de la clase mediana
Wm : ancho de clase de la clase mediana
n : total de datos
Fm-1 : frecuencia absoluta acumulada de la clase que precede
a la clase mediana
fm : frecuencia absoluta de la clase mediana
Moda (Mo)
Moda (Mo)
,
_
+
+
+
1 2
1 1
2 1
1
modal intervalo del inferior lmite el es
Relacin entre media, mediana y
Relacin entre media, mediana y
moda
moda
Medidas descriptivas que pueden dividir al total Medidas descriptivas que pueden dividir al total
de datos en cierto numero de partes de datos en cierto numero de partes
igualmente numerosos y nace como igualmente numerosos y nace como
consecuencia del estudio de la mediana. Las consecuencia del estudio de la mediana. Las
principales son: principales son:
,
_
+
Q
1 Q
Q Q
f
F
4
in
W L Qi
Donde:
LQ : limite inferior de la clase donde esta el cuartil
WQ : ancho de clase donde esta el cuartil
n : total de datos
i : numero que indica el cuartil deseado
FQ-1 : frecuencia absoluta acumulada de la
clase que precede a la clase del cuartil
fQ : frecuencia absoluta de la clase del cuartil
in /4 : Punto de posicin
Los Cuartiles (Q
Los Cuartiles (Qi i
)
)
Para datos no agrupados Para datos no agrupados: :
( )
4
1 n i +
Punto de posicin Punto de posicin
Donde:
i : numero que indica el cuartil deseado
n : total de datos
2. Medidas de dispersin o
2. Medidas de dispersin o
variabilidad
variabilidad
Rango Rango
1
2
2
) (
2
1
2
x
n
y
n
i
i
2 2
. .
1
2
2
) (
2
1
2
x
n
x f
k
i
i i
2
1
2
x x h
k
i
i i
k
i
i i
x x h
1
2
) (
Coeficiente de variacin
Coeficiente de variacin
Es una medida de dispersin relativa que se Es una medida de dispersin relativa que se
define como: define como:
s
) Me x (
A
s
Es el nmero
Es el nmero
3.1 ndices de asimetra de Pearson
3.1 ndices de asimetra de Pearson
(A
(A
s s
)
)
3. Medidas de Asimetra
3. Medidas de Asimetra
Asimtrica positiva (o de cola a la Asimtrica positiva (o de cola a la
derecha) derecha) A A
s s
>0 >0
Asimtrica negativa (o de cola a la Asimtrica negativa (o de cola a la
izquierda) izquierda) A A
s s
<0 <0
Simtrica Simtrica A A
s s
=0 =0
3.1 ndices de asimetra de Pearson
3.1 ndices de asimetra de Pearson
(A
(A
s s
)
)
3.2 ndice de curtosis o
3.2 ndice de curtosis o
apuntamiento
apuntamiento
El apuntamiento se mide en relacin a la El apuntamiento se mide en relacin a la curva normal curva normal
o o mesocrtica mesocrtica
Es el nmero Es el nmero
10 90
1 3
2
1
P P
Q Q
K
Causas Comunes
Variacin Aleatoria
Causas Asignables
Aparecen
espordicamente.
Estratificacin Estratificacin
Cuando los datos proceden de distintas maquinas, Cuando los datos proceden de distintas maquinas,
proveedores, lotes, turnos u operadores, pueden proveedores, lotes, turnos u operadores, pueden
encontrarse informacin valiosa si se hace un encontrarse informacin valiosa si se hace un
histograma por cada fuente (estratificar) con lo histograma por cada fuente (estratificar) con lo
que se podr determinar cual es la maquina o el que se podr determinar cual es la maquina o el
proveedor mas problemtico. proveedor mas problemtico.
Es recomendable que siempre que se realice un Es recomendable que siempre que se realice un
estudio de la salida de un proceso se utilice el estudio de la salida de un proceso se utilice el
histograma y este se interprete a detalle. De esa histograma y este se interprete a detalle. De esa
manera ser posible detectar situaciones manera ser posible detectar situaciones
problemticas y posibles soluciones para las problemticas y posibles soluciones para las
mismas. mismas.
2
2
.Histograma de Frecuencia
.Histograma de Frecuencia
N
P
E
R
S
O
N
A
L
C
O
N
V
E
R
S
A
N
D
O
N
O
H
A
Y
P
E
R
S
O
N
A
L
H
A
C
I
E
N
D
O
A
C
T
I
V
I
D
A
D
E
S
N
O
L
A
B
O
R
A
L
E
S
M
A
L
O
S
M
O
D
A
L
E
S
F
A
L
T
A
D
E
C
A
P
A
C
I
T
A
C
I
N
C
O
N
D
U
C
T
A
S
D
E
U
N
M
A
L
S
E
R
V
I
C
I
O
0
25
50
75
100
125
100 %
80 %
60 %
40 %
20 %
P
O
R
C
E
N
T
A
J
E
D
E
C
O
M
P
O
S
I
C
I
N
Wilfredo Pareto deca que: Wilfredo Pareto deca que:
Definir el efecto de manera clara y concisa. Definir el efecto de manera clara y concisa.
Definir las principales categoras de las posibles causas. Definir las principales categoras de las posibles causas.
Definir el efecto en un cuadro en el extremo derecho. Definir el efecto en un cuadro en el extremo derecho.
Dibujar el diagrama escribiendo todos los niveles de sus causas. Dibujar el diagrama escribiendo todos los niveles de sus causas.
Seleccionar un pequeo numero de las causas que tengan mayor Seleccionar un pequeo numero de las causas que tengan mayor
influencia en el efecto y demanden acciones adicionales. influencia en el efecto y demanden acciones adicionales.
FACTORES AL CONSIDERAR LAS POSIBLES CAUSAS: FACTORES AL CONSIDERAR LAS POSIBLES CAUSAS:
Ambiente Ambiente
Maquinaria o Equipo Maquinaria o Equipo
Materiales Materiales
Mediciones Mediciones
Mtodos Mtodos
Personal. Personal.
Diagrama de Causa - Efecto
Diagrama de Causa - Efecto
Diagrama de Causa - Efecto
Diagrama de Causa - Efecto
Diagrama de Flujo es una representacin grfica de la secuencia de
etapas, operaciones, movimientos, decisiones y otros eventos que
ocurren en un proceso. Esta representacin se efecta a travs de
formas y smbolos grficos utilizados usualmente:
5.. Diagrama de flujo
5.. Diagrama de flujo
Smbolos Para Elaborar Diagramas De
Smbolos Para Elaborar Diagramas De
Flujo
Flujo
Conector. Reprsenta una conexin o enlace de una parte del
diagrama de flujo con otra parte lejana del mismo.
Conector de pgina. Representa una conexin o enlace con otra
hoja diferente, en la que contina el diagrama de flujo.
Archivo. Indica que se guarda un documento en forma temporal o
permanente.
Decisin o alternativa. Indica un punto dentro del flujo en donde se
debe tomar una decisin entre dos o ms alternativas.
Documento. Representa un documento en general que entre, se
utilice, se genere o salga del procedimiento.
Actividad. Describe las funciones que desempean las personas
involucradas en el procedimiento.
Inicio o trmino. Indica el principio o el fin del flujo, puede ser accin
o lugar, adems se usa para indicar una unidad administrativa o
persona que recibe o proporciona informacin.
REPRESENTA SIMBOLO
Diagrama de formato horizontal
Diagrama de formato horizontal
FECHA DE ELABORACIN AUTORIZ FORMUL
PROCEDIMIENTO DE ADQUISICIN DE MATERIALES PROCEDIMIENTO DE ADQUISICIN DE MATERIALES
GERENCIA CENTRAL DE LOGISTICA GERENCIA CENTRAL DE LOGISTICA
Pide material
mediante solicitud
de material
INICIO
Soicita material
mediante requ-
isicin de compra
Pide material
mediante orden
de compra
Comunica
deficiencia al
proveedor
Surte material
FIN
Origen del materia?l
Existencia suficiente?
B
A
A
Comunica
deficiencia al
almacn
B
SI
Proveedor
NO
NO
SI
Almacn
SI
DEPARTAMENTO SOLICITANTE ALMACEN DEPARTAMENTO DE COMPRAS PROVEEDOR
Surte material
Surte material
Utiliza material
Material requerido? Material requerido?
NO
6.. Diagrama de dispersin
6.. Diagrama de dispersin
r r puede tomar cualquier valor entre -1 y +1. puede tomar cualquier valor entre -1 y +1.
2 2 2 2
( ) ( )
n xy x y
r
n x x n y y
1 1
] ]
r r se calcula por: se calcula por:
En relacin a la magnitud del cambio del parmetro En relacin a la magnitud del cambio del parmetro
del proceso. del proceso.
Cambios grandes en el parmetro del proceso Cambios grandes en el parmetro del proceso
pueden ser detectados con muestras pequeas. pueden ser detectados con muestras pequeas.
En la planta del proveedor mientras los En la planta del proveedor mientras los
productos son producidos. productos son producidos.
Justo antes de un Cuello de Botella del proceso Justo antes de un Cuello de Botella del proceso
Antes del despacho a los clientes Antes del despacho a los clientes
Cuando y donde inspeccionar
Cuando y donde inspeccionar
UCL
LCL
Advertencia
Advertencia
Reglas para identificar procesos
Reglas para identificar procesos
fuera de control
fuera de control
Regla 1:
Regla 2:
Regla 3: Regla 3:
-
Un proceso se supone fuera de control si 4 de 5 puntos Un proceso se supone fuera de control si 4 de 5 puntos
consecutivos consecutivos
caen fuera del lmite 1 caen fuera del lmite 1 del mismo lado de la lnea central. del mismo lado de la lnea central.
UCL
LCL
Lmite un
sigma
Lmite un
sigma
Reglas para identificar procesos
Reglas para identificar procesos
fuera de control
fuera de control
Regla 4: Regla 4:
- Un proceso se supone fuera de control si ocho o mas puntos - Un proceso se supone fuera de control si ocho o mas puntos
consecutivos se ubican del mismo lado de la lnea central. consecutivos se ubican del mismo lado de la lnea central.
UCL
LCL
Reglas para identificar procesos
Reglas para identificar procesos
fuera de control
fuera de control
Determinacin de causas asociadas a
Determinacin de causas asociadas a
puntos fuera de control
puntos fuera de control
La tarea del usuario de las cartas de control no La tarea del usuario de las cartas de control no
termina identificando puntos fuera de control. termina identificando puntos fuera de control.
Es importante identificar las causas que hacen que Es importante identificar las causas que hacen que
los puntos estn fuera de los lmites de control. los puntos estn fuera de los lmites de control.
Error tipo I Error tipo I: Inferir que el proceso esta fuera de : Inferir que el proceso esta fuera de
control cuando en realidad esta bajo control control cuando en realidad esta bajo control
estadstico. estadstico.
Error tipo II Error tipo II: Inferir que el proceso esta bajo : Inferir que el proceso esta bajo
control estadstico cuando en realidad no lo control estadstico cuando en realidad no lo
esta. esta.
Especial: el desperfecto es el desperfecto es
provocado por un desgaste provocado por un desgaste
natural relativamente menor en la natural relativamente menor en la
maquina. maquina.
Los trabajadores pueden reducir Los trabajadores pueden reducir
o eliminar el problema ajustando o o eliminar el problema ajustando o
reemplazando las partes afectadas reemplazando las partes afectadas
del equipo. del equipo.
Error 2 Error 2: creer que el problema es comn : creer que el problema es comn
(hojalata de mala calidad) y no hacer a la (hojalata de mala calidad) y no hacer a la
maquina los ajustes necesarios en maquina los ajustes necesarios en
forma oportuna. forma oportuna.
Comn: Las latas salen me- Las latas salen me-
lladas porque la administracin lladas porque la administracin
compra hojalatas de menor calidad, compra hojalatas de menor calidad,
quizs en un esfuerzo por reducir quizs en un esfuerzo por reducir
costos. costos.
No hay nada que los operarios No hay nada que los operarios
puedan hacer por el problema. Solo puedan hacer por el problema. Solo
la administracin tiene la facultad la administracin tiene la facultad
de cambiar la poltica de compras. de cambiar la poltica de compras.
Error 1 Error 1: : cuando la lnea de montaje arroje cuando la lnea de montaje arroje
una lata defectuosa, la reaccin podra una lata defectuosa, la reaccin podra
llevar al operario a ajustar la maquinaria. llevar al operario a ajustar la maquinaria.
Pero el problema esta en el material; por Pero el problema esta en el material; por
lo tanto, el ajuste puede descomponer el lo tanto, el ajuste puede descomponer el
sistema y empeorar las cosas, y esto sistema y empeorar las cosas, y esto
producir nuevos y mas graves problemas. producir nuevos y mas graves problemas.
Mientras tanto, la verdadera fuente del Mientras tanto, la verdadera fuente del
inconveniente (material) pasara inadvertida. inconveniente (material) pasara inadvertida.
Tipo de causa Tipo de causa Accin Accin
Posibles errores Posibles errores
Fuentes de variabilidad de los procesos:
Fuentes de variabilidad de los procesos:
Ejemplo
Ejemplo
Construccin de cartas
de control para variables
116
Tipos de cartas de control
Tipos de cartas de control
Las cartas de control se dividen en dos categoras, Las cartas de control se dividen en dos categoras,
diferenciadas por el tipo de datos bajo estudio- diferenciadas por el tipo de datos bajo estudio-
variables y atributos variables y atributos. .
Las Cartas de Control para datos variables son Las Cartas de Control para datos variables son
utilizadas para caractersticas que tienen una utilizadas para caractersticas que tienen una
magnitud variable. Ejemplo: magnitud variable. Ejemplo:
- Longitud - Longitud
- Ancho - Ancho
- Profundidad - Profundidad
- Peso - Peso
- Tiempo de ciclo - Tiempo de ciclo
- Viscosidad - Viscosidad
117
Las cartas para atributos son las que tienen Las cartas para atributos son las que tienen
caractersticas como aprobado/reprobado, caractersticas como aprobado/reprobado,
bueno/malo o pasa/no pasa. Algunos ejemplos bueno/malo o pasa/no pasa. Algunos ejemplos
incluyen: incluyen:
- Nmero de productos defectuosos - Nmero de productos defectuosos
- Fraccin de productos defectuosos - Fraccin de productos defectuosos
- Numero de defectos por unidad de producto - Numero de defectos por unidad de producto
- Nmero de partes daadas - Nmero de partes daadas
- Pagos atrasados por mes - Pagos atrasados por mes
Tipos de cartas de control
Tipos de cartas de control
1. Para variables
a) Grficos X-barra y R
b) Grficos X-barra y S
c) Grficos X (Valores individuales)
d) Grfico CUSUM y de promedios ponderados.
e) Grficos para caractersticas de calidad
relacionadas.
2. Para atributos
a) Grficos p
b) Grficos np
c) Grficos para no conformidades (c y u)
Tipos de cartas de control
Tipos de cartas de control
Teorema del Lmite Central
Teorema del Lmite Central
La distribucin de las medias de las muestras La distribucin de las medias de las muestras
tienden a distribuirse en forma normal tienden a distribuirse en forma normal
Por ejemplo los 300 datos (cuyo valor se Por ejemplo los 300 datos (cuyo valor se
encuentra entre 1 a 9) pueden estar encuentra entre 1 a 9) pueden estar
distribuidos como sigue: distribuidos como sigue:
0
10
20
30
40
50
1 2 3 4 5 6 7 8 9
Frec.
Si la variable aleatoria X tiene cualquier distribucin Si la variable aleatoria X tiene cualquier distribucin
con media con media y desviacin estndar y desviacin estndar . .
La distribucin de todas las medias o promedios de las La distribucin de todas las medias o promedios de las
muestras X-media, tienden a distribuirse normalmente muestras X-media, tienden a distribuirse normalmente
La media de las medias de las muestras ser La media de las medias de las muestras ser . .
La desviacin estndar de las medias de las muestras La desviacin estndar de las medias de las muestras
ser ser
/ / n. n.
Teorema del Lmite Central
Teorema del Lmite Central
Identificar la caracterstica crtica a controlar y tamao Identificar la caracterstica crtica a controlar y tamao
de subgrupo (n = 3 a 6) de subgrupo (n = 3 a 6)
Iniciar la recoleccin de aprox. 25 subgrupos (k), Iniciar la recoleccin de aprox. 25 subgrupos (k),
tomando partes consecutivas en cada uno. tomando partes consecutivas en cada uno.
Decidir cmo y cundo colectar la informacin de los Decidir cmo y cundo colectar la informacin de los
subgrupos, de tal forma de detectar cambios. subgrupos, de tal forma de detectar cambios.
Elaborar la grfica con los datos. Elaborar la grfica con los datos.
La grfica R debe estar en control antes de interpretar La grfica R debe estar en control antes de interpretar
la grfica X-media. la grfica X-media.
Interpretar la grfica X-media para puntos que no Interpretar la grfica X-media para puntos que no
estn aleatoriamente distribuidos estn aleatoriamente distribuidos
La clave consiste en eliminar la variacin excesiva La clave consiste en eliminar la variacin excesiva
antes de tratar de identificar tendencias en los promedios antes de tratar de identificar tendencias en los promedios
de los subgrupos del proceso de los subgrupos del proceso
Carta X, R
Carta X, R
1. En la siguiente 1. En la siguiente
tabla se muestran tabla se muestran
los pesos de los los pesos de los
sobres de un sobres de un
determinado determinado
alimento. Cada alimento. Cada
media hora se media hora se
realizan 4 realizan 4
mediciones por mediciones por
muestra muestra, sumando , sumando
un total de 20 un total de 20
muestras. muestras.
Carta X, R (ejemplos)
Carta X, R (ejemplos)
x = 0.4983
R = 0.0250
0.028
2
Primero debemos calcular las medias, tanto de cada Primero debemos calcular las medias, tanto de cada
muestra (X doble raya) como la de su amplitud o muestra (X doble raya) como la de su amplitud o
recorrido (R) recorrido (R)
donde: X (doble raya) = 0,4983 y R (raya) = 0,025 donde: X (doble raya) = 0,4983 y R (raya) = 0,025
Para construir los Grficos de Control por variables, se Para construir los Grficos de Control por variables, se
tiene que tener en cuenta que al determinar si un proceso tiene que tener en cuenta que al determinar si un proceso
est bajo est bajo control estadstico", control estadstico", siempre se debe analizar siempre se debe analizar
primero la grfica R. Como los lmites de control en la primero la grfica R. Como los lmites de control en la
grfica X (raya) dependen de la amplitud promedio, grfica X (raya) dependen de la amplitud promedio,
podran haber causas especiales en la grfica R que podran haber causas especiales en la grfica R que
produzcan comportamientos anmalos en la grfica X produzcan comportamientos anmalos en la grfica X
(raya), an cuando el centrado del proceso est bajo (raya), an cuando el centrado del proceso est bajo
control. control.
Carta X, R (Ejemplos)
Carta X, R (Ejemplos)
Para el grfico R Para el grfico R, se tiene que: , se tiene que:
Lmite Central (LC) = R (raya)= 0,025 Lmite Central (LC) = R (raya)= 0,025
Lmite Superior de Control (LSC) Lmite Superior de Control (LSC)
LSC = 0,057, el LSC = 0,057, el valor valor de D de D4 4 se consigue en una tabla se consigue en una tabla estadstica estadstica
(para (para
este caso es 2,282 con un tamao de este caso es 2,282 con un tamao de grupo grupo n = 4). n = 4).
Lmite Inferior de Control (LIC): LIC = 0 Lmite Inferior de Control (LIC): LIC = 0
= 0.025 x 0 = 0.025 x 0 = 0 0
= 0.025 x 2.282 = 0,057
= 0.025
n A
2
A
3
d
2
D
3
D
4
B
3
B
4
2 1. 880 2.659 1.128 0 3. 267 0 3.267
3 1. 023 1.954 1.693 0 2. 575 0 2.568
4 0. 729 1.628 2.059 0 2. 282 0 2.266
5 0. 577 1.427 2.326 0 2. 115 0 2.089
6 0. 483 1.287 2.534 0 2. 004 0.030 1.970
7 0. 419 1.182 2.704 0.076 1. 924 0.118 1.882
8 0. 373 1.099 2.847 0.136 1. 864 0.185 1.815
9 0. 337 1.032 2.970 0.184 1. 816 0.239 1.761
10 0. 308 0.975 3.078 0.223 1. 777 0.284 1.716
11 0. 285 0.927 3.173 0.256 1. 744 0.321 1.679
12 0. 266 0.886 3.258 0.283 1. 717 0.354 1.646
13 0. 249 0.850 3.336 0.307 1. 693 0.382 1.618
14 0. 235 0.817 3.407 0.328 1. 672 0.406 1.594
15 0. 223 0.789 3.472 0.347 1. 653 0.428 1.572
Para el grfico X (raya), se tiene que: se tiene que:
Lmite Central (LC) = X (doble raya)= 0,4983 Lmite Central (LC) = X (doble raya)= 0,4983
Lmite Inferior de Control (LIC) Lmite Inferior de Control (LIC) = 0,4800 = 0,4800
R A x LIC
x LC
R A x LSC
2
2
+
= 0.4983+0.729(0.025) =
0.5165
= 0.4983
= 0.4983 - 0.729(0.025) =
0.480
2. La direccin de la empresa ABC esta preocupada por la 2. La direccin de la empresa ABC esta preocupada por la
produccin de un tornillo de metal especial que usan produccin de un tornillo de metal especial que usan
algunos de los clientes mas importantes de la empresa. El algunos de los clientes mas importantes de la empresa. El
dimetro del tornillo es critico. Los datos de cinco muestras dimetro del tornillo es critico. Los datos de cinco muestras
aparecen en la tabla adjunta. El tamao de la muestra es 4. aparecen en la tabla adjunta. El tamao de la muestra es 4.
Esta el proceso bajo control? Esta el proceso bajo control?
Numero de Numero de
muestra muestra
1 1 2 2 3 3 4 4 R R X X
1 1 0.5014 0.5014 0.5022 0.5022 0.5009 0.5009 0.5027 0.5027
2 2 0.5021 0.5021 0.5041 0.5041 0.5024 0.5024 0.5020 0.5020
3 3 0.5018 0.5018 0.5026 0.5026 0.5035 0.5035 0.5023 0.5023
4 4 0.5008 0.5008 0.5034 0.5034 0.5024 0.5024 0.5015 0.5015
5 5 0.5041 0.5041 0.5056 0.5056 0.5034 0.5034 0.5047 0.5047
Carta X, R (Ejemplos)
Carta X, R (Ejemplos)
+
m
S
S y
m
x
x
m
i
i
m
i
i
1 1
S B LIC
S LC
S B LSC
3
4
Carta S Carta S
n A
2
A
3
d
2
D
3
D
4
B
3
B
4
2 1.880 2.659 1.128 0 3.267 0 3.267
3 1.023 1.954 1.693 0 2.575 0 2.568
4 0.729 1.628 2.059 0 2.282 0 2.266
5 0.577 1.427 2.326 0 2.115 0 2.089
6 0.483 1.287 2.534 0 2.004 0. 030 1.970
7 0.419 1.182 2.704 0.076 1.924 0. 118 1.882
8 0.373 1.099 2.847 0.136 1.864 0. 185 1.815
9 0.337 1.032 2.970 0.184 1.816 0. 239 1.761
10 0.308 0.975 3.078 0.223 1.777 0. 284 1.716
11 0.285 0.927 3.173 0.256 1.744 0. 321 1.679
12 0.266 0.886 3.258 0.283 1.717 0. 354 1.646
13 0.249 0.850 3.336 0.307 1.693 0. 382 1.618
14 0.235 0.817 3.407 0.328 1.672 0. 406 1.594
15 0.223 0.789 3.472 0.347 1.653 0. 428 1.572
Carta X Carta X
Carta X y S
Carta X y S
Mediciones del dimetro interior (mm) de los anillos para pistones de
motores de automviles
K (muestras) x Si
25 = 1,850.028 0.2350
x = 74.001 s = 0.0094
n = tamao de la muestra = 5
Se toman k muestras de tamao n.
Se calcula la media y la desviacin estndar de cada muestra:
( )
1
1
2
1
1
n
X x
i
n
j
ij i
n
j
i ij
S x
n
X
Ejemplo 1
134
En muchas situaciones, el tamao de la muestra usado para
monitorear el proceso es n= 1 ; es decir la muestra consta de
una unidad individual. Algunos ejemplos son:
1.Se usa la tecnologa de inspeccin y medicin
automatizada, y se analiza cada unidad manufacturada, por
lo que no hay ninguna base racional para hacer subgrupos.
2.La velocidad de produccin es muy lenta, y no es
conveniente dejar que se acumulen tamaos de la muestra
de n 1 antes del anlisis.
3.Las mediciones repetidas del proceso difieren nicamente
por el error de laboratorio o de anlisis, como en muchos
procesos qumicos.
4.Se hacen mediciones mltiples en la misma unidad del
producto, como la medicin del espesor de oxido en varios
sitios diferentes de una oblea en la manufactura de
semiconductores.
Carta de control Individuales
Carta de control Individuales
135
Resumiendo, tenemos que los grficos de control de Datos
Individuales y Rangos Mviles (X-Rm), quedaran.
Para el grfico de Datos Individuales:
Y para el grfico de Rangos Mviles:
Carta de control Individuales
Carta de control Individuales
Carta de control Individuales
Carta de control Individuales
1. La viscosidad de una pintura tapaporo para aviones, es una
caracterstica de calidad importante. El producto se produce por
lotes, y debido a que la produccin de cada lote se lleva varias
horas, la velocidad de produccin es demasiada lenta para permitir
tamaos de la muestra mayores que uno.
N de la Viscosidad Rango Mvil
Tanda x MR
1 33.75
2 33.05 0.70
3 34.00 0.95
4 33.81 0.19
5 33.46 0.35
6 34.02 0.56
7 33.68 0.34
8 33.27 0.41
9 33.49 0.22
10 33.20 0.29
11 33.62 0.42
12 33.00 0.62
13 33.54 0.54
14 33.12 0.42
15 33.84 0.72
1
i i
x x MR
48 . 0 MR 52 . 33 X
137
Formulas :
MR D LSC
MR 4
MR D LIC
MR 3
2
3
d
MR
x LSC +
2
3
d
MR
x LIC
24 . 32
128 . 1
48 . 0
3 52 . 33
80 . 34
128 . 1
48 . 0
3 52 . 33 +
( ) 57 . 1 48 . 0 267 . 3
( ) 0 48 . 0 0 . 0
Carta de control Individuales
Carta de control Individuales
138
Mediciones a la resistencia a la tensin
x/mm2 MR x/mm2 MR x/mm2 MR
186.0 183.9 6.9 181.2 11.2
185.5 0.5 185.8 1.9 184.8 3.6
194.9 9.4 183.8 2.0 187.6 2.8
183.3 11.6 189.3 5.5 185.4 2.2
183.2 0.1 195.1 5.8 186.6 1.2
190.8 7.6 192.4 2.7 188.5 1.9
Ejemplo 2
Carta de control Individuales
Carta de control Individuales
c (nmero de defectos)
Lmites de control
p : fraccin promedio de no conformes
n : tamao de la muestra
k : nmero de muestras
np o D : nmero de unidades no conformes en una
muestra
p : fraccin de unidades no conformes en una muestra =
D / n
n
D
p con
m
p
n m
D
p
i
i
m
i
i
m
i
i
1 1
Ejemplo: Algunos componentes no pasaron la inspeccin final. Los datos
de falla se registraron semanalmente tal como se muestra a continuacin.
# de
componentes
inspeccionados
Componentes
defectuosos
Fraccin de
componentes
defectuosos
7 0 0.000
7 0 0.000
15 2 0.133
14 2 0.143
48 6 0.125
22 0 0.000
18 6 0.333
7 0 0.000
14 1 0.071
9 0 0.000
14 2 0.143
12 2 0.167
8 1 0.125
n n D p p
K = 13 semanas
Carta p
Carta p
10 5 0
0.5
0.4
0.3
0.2
0.1
0.0
Nmero de muestra
P
r
o
p
o
r
c
i
n
Grfica P para Fraccin Defectiva
P=0.1128
3.0SL=0.358
-3.0SL=0.000
Carta p
Carta p
Lmites de control:
Carta np
Carta np
n p = # de productos defectuosos en una muestra
n = tamao de la muestra
k = Nmero de muestras o subgrupos
p = Suma de productos defectuosos / Total inspeccionado [n * k]
n np
# de partes inspeccionadas
# de partes
defectuosas
4000 2
4000 3
4000 3
4000 2
4000 4
4000 2
4000 3
4000 3
4000 6
4000 8
4000 3
4000 4
4000 4
4000 7
4000 6
K=15 lotes
Ejemplo 1: en un proceso se inspeccionan K = 15 lotes tomando n = 4000
partes de cada lote, se rechazan algunas partes por tener defectos, como sigue:
Carta np
Carta np
15 10 5 0
10
5
0
Nmero de muestras
N
o
.
D
e
f
e
c
e
t
i
v
o
s
Carta np de nmero de defectivos o defectuosos
3.0
LSC=10.0
-3.0
Lmites de control:
Carta c
Carta c
Mesa Numero de
defectos
Mesa Numero de
defectos
Mesa Numero de
defectos
1 7 11 6 21 3
2 5 12 7 22 10
3 10 13 8 23 6
4 2 14 4 24 6
5 6 15 5 25 7
6 5 16 12 26 4
7 4 17 8 27 5
8 9 18 10 28 6
9 7 19 4 29 8
10 5 20 7 30 5
Total
191
1. En una fabrica de muebles se inspecciona a detalle el acabado de
las mesas cuando salen del dpto. de laca. La cantidad de defecto que
son encontrados en cada mesa son registrados con el fin de conocer y
mejorar el proceso. En la sgte tabla se muestran los defectos
encontrados en las ultimas 30 mesas. Es claro que estamos ante una
variable que debe ser analizada con la carta c, debido a que una
misma mesa puede tener varios defectos de diferentes tipo adems,
los defectos son relativamente menores, y aunque influyen en la
calidad final del producto, no causan que la mesa sea rechazada.
Carta C
Carta C (ejemplos)
2. La empresa Trupal fabrica papel para la industria de los
peridicos. En la fase final del proceso, el papel pasa por una
maquina que mide varias caractersticas de calidad. Cuando el
proceso esta bajo control, el promedio es de 20 defectos por cada
rollo de papel.
a. Elabore una grafica de control para el numero de defectos
por rollo. Use acotamientos de control dos sigma.
b. Los dos primeros rollos contenan 27 y 5 defectos,
respectivamente. Se encuentra este proceso bajo control?
Carta C
Carta C (ejemplos)
Lmites de control:
Ejemplo 1: Un proceso de soldadura suelda 50 PCBs por semana.
Los defectos visuales observados se registran cada semana.
# PCB
Soldados
Defectos
Visuales
Observados DPU
50 305 6.1
50 200 4.0
50 210 4.2
50 102 2.0
50 198 4.0
50 167 3.3
50 187 3.7
50 210 4.2
50 225 4.5
50 247 4.9
50 252 5.0
50 215 4.3
n n c u c u
k=12 semanas
Carta u
Carta u
Reducir la variabilidad.
Asignar los equipos a los tipos de trabajo para los cuales son
ms
adecuados.
Capacidad del Proceso: Pasos bsicos
1. Elegir una mquina o parte representativa del proceso.
2. Definir las condiciones del proceso.
3. Seleccionar un operador representativo.
4. Proporcionar material estndar y en cantidad suficiente
para un
estudio sin interrupciones.
5. Especificar la metodologa de medicin y recopilacin de
datos.
ndices de Capacidad del Proceso :
CP
LIE - LSE
CP
6
'
LIE - Media
,
- Media LSE
Min CPK
3 3
CPK > 1 : Proceso es capaz
CPK < 1 : Proceso no es capaz
Tamao de la Muestra
Minimiza probabilidad
de detectar variaciones
dentro de la muestra.
Costo bajo
No es buena si distribucin
no es normal
Mayor costo
Mejor si distribucin no es
normal.
Pequea Grande
Tamao de la Muestra