1 / 46

INGENIERIA Y CONTROL DE LA CALIDAD

INGENIERIA Y CONTROL DE LA CALIDAD . CONTROL ESTADISTICO DEL PROCESO GRAFICAS DE CONTROL PARA ATRIBUTOS César A. Acosta-Mejía. GRAFICAS DE CONTROL PARA ATRIBUTOS. Atributo: característica de calidad que el bien o servicio posee o no. Ejemplos:

rama-lawson
Download Presentation

INGENIERIA Y CONTROL DE LA CALIDAD

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. INGENIERIA Y CONTROL DE LA CALIDAD CONTROL ESTADISTICO DEL PROCESO GRAFICAS DE CONTROL PARA ATRIBUTOS César A. Acosta-Mejía

  2. GRAFICAS DE CONTROL PARA ATRIBUTOS Atributo: característica de calidad que el bien o servicio posee o no. Ejemplos: 1. El Color de la carrocería de un automovil 2. El acabado superficial de una lámina Un producto defectuoso puede tener uno o más defectos

  3. GRAFICOS DE CONTROL PARA ATRIBUTOSCLASIFICACION Gráficos de control para unidades defectuosas • La gráfica p fracción defectuosa • La gráfica npnúmero de unidades defectuosas Gráficos de control para defectos • La gráfica c número de defectos. • La gráfica u número de defectos por unidad.

  4. GRAFICOS DE CONTROL PARA ATRIBUTOSCLASIFICACION Gráficos de control para unidades defectuosasmuestras de: • La gráfica p fracción defectuosa • La gráfica npnúmero de unidades defectuosas (tamaño constante) Gráficos de control para defectos • La gráfica c número de defectos. (tamaño constante) • La gráfica u número de defectos por unidad.

  5. GRAFICA DE CONTROL p • Sea xi el número de unidades defectuosas observadas en muestras de tamaño ni. • Sea pi la fracción defectuosa de la muestra i (de tamaño ni) pi = Número de defectuosos xi Número de Artículos ni • Se grafica los valores de pi y se verifica que se encuentren entre los límites de control no se observan patrones sistemáticos • En caso de haber puntos fuera de control, los límites se recalculan

  6. GRAFICA DE CONTROL p Si el proceso está estable con fracción defectuosa constante p; ysilas observaciones se pueden considerar independientes entonces: X : # de defectuosos en una muestra de tamaño n  Binomial (n,p) La distribución binomial se aproxima por la distribución normal si np > 5 X Normal (  = np,  =  np(1-p) ) y los límites de control son: E [X/n]  3 DS [X/n] p  3  p(1-p)/ n

  7. GRAFICA DE CONTROL p • Esta gráfica controla si el parámetro p de la distribución binomial permanece constante • En un solo gráfico se puede controlar una, varias, o todas las características de calidad del producto

  8. GRAFICA DE CONTROL pCálculo de los límites de control Los Límites de control son: p ± 3 (binomial  normal) Si p no se conoce, se le estima a partir de m muestras previas, con

  9. GRAFICA DE CONTROL pCálculo de los límites de control Los Límites de control son: p ± 3 (binomial  normal) Si p no se conoce, se le estima a partir de m muestras previas, con Note que si n varía los límites de control no seran constantes p ± 3

  10. GRAFICA DE CONTROL plos datos siguen una distribución binomial Estadístico (x/n) Límite Superior de Control (LSC) Línea Central Límite Inferior de Control (LIC) muestra X es una v. a. binomial(n, p)

  11. GRAFICA DE CONTROL plos datos siguen una distribución binomial El proceso está estable o en control (estadístico) si la distribución binomial se mantiene constante en el tiempo tiempo La distribucion binomial permanece constante si p no cambia X/n

  12. GRAFICA DE CONTROL pSelección del tamaño de muestra n • La binomial se aproxima por la distribución normal si np > 5 por tanto n > 5 / p

  13. GRAFICA DE CONTROL pSelección del tamaño de muestra n • La binomial se aproxima por la distribución normal si np > 5 por tanto n > 5 / p • Si se desea asegurar un LIC entonces p - 3  p(1-p)/ n > 0 por tanto n > 9 (1-p) / p

  14. GRAFICA DE CONTROL pSelección del tamaño de muestra n • La binomial se aproxima por la distribución normal si np > 5 por tanto n > 5 / p • Si se desea asegurar un LIC entonces p - 3  p(1-p)/ n > 0 por tanto n > 9 (1-p) / p • Si el proceso tiene fracción p0 y se desea detectar que la fracción ha cambiado a p1 con un 50% de probabilidad entonces x/n LSC p1 p0 p0

  15. GRAFICA DE CONTROL pSelección del tamaño de muestra n • La binomial se aproxima por la distribución normal si np > 5 por tanto n > 5 / p • Si se desea asegurar un LIC entonces p - 3  p(1-p)/ n > 0 por tanto n > 9 (1-p) / p • Si el proceso tiene fracción p0 y se desea detectar que la fracción ha cambiado a p1 con un 50% de probabilidad entonces LSC = p1 p0 + 3  p0 (1-p0 )/ n = p1 p1  n = 3  p0 (1-p0 ) / (p1 - p0) n = 9p0 (1-p0 ) / (p1 - p0)2

  16. GRAFICA DE CONTROL pSelección del tamaño de muestra n • La binomial se aproxima por la distribución normal si np > 5 por tanto n > 5 / p • Si se desea asegurar un LIC entonces p - 3  p(1-p)/ n > 0 por tanto n > 9 (1-p) / p • Si el proceso tiene fracción p0 y se desea detectar que la fracción ha cambiado a p1 con un 50% de probabilidad entonces LSC p1 p0 + 3  p0 (1-p0 )/ n  p1  n  3  p0 (1-p0 ) / (p1 - p0) n  9p0 (1-p0 ) / (p1 - p0)2

  17. GRAFICA DE CONTROL pEjemplo 1 La compañía ABC fabrica cortadoras de césped. La producción diaria es de aproximadamente 200 cortadoras. Se ha decidido seleccionar cada día 40 cortadoras al azar de la línea de proceso para realizar la prueba de calidad. La prueba consiste en realizar dos ensayos tirando el cordón para ver si el motor arranca. El ingeniero de producción desea realizar un diagrama p para esta prueba crítica de funcionamiento. Los datos de mes de marzo con 22 días laborables se muestran en la tabla anexa. a) Construya la gráfica p e identifique si el proceso está bajo control b) Estime la fracción defectuosa del proceso suponiendo que se eliminan las causas especiales de variabilidad c) Cuántas cortadoras se requieren probar cada día ?

  18. GRAFICA DE CONTROL pEjemplo 1

  19. a) m = 22 número de muestras n = 40 tamaño de cada muestra

  20. GRAFICA DE CONTROL pStat > Control Charts > P

  21. b) El punto p18 cae fuera de los límites de control y el punto p13 está muy próximo. Al determinar la causa que produjo su comportamiento se les elimina y se recalculan p y los límites de control (para usarlos durante abril):

  22. b) El punto p18 cae fuera de los límites de control y el punto p13 está muy próximo. Al determinar la causa que produjo su comportamiento se les elimina y se recalculan p y los límites de control (para usarlos durante abril): pest = 42= 0.0525 20(40)

  23. GRAFICA DE CONTROL pP Chart > Estimate > Omit… > 13 18

  24. GRAFICA DE CONTROL pEjemplo 1 c) Para el próximo mes se utilizarán estos límites revisados para que conforme se tomen las muestras de cortadoras inmediatamente se verifique si el proceso permanece en control o no. Las muestras deberán ser de tamaño n  (5 / 0.0525) = 95.24 para que los límites sean válidos

  25. GRAFICA DE CONTROL pEjemplo 1 d) Suponga que la fracción defectuosa real del proceso aumenta a 0.11. Cuál es la probabilidad de que la gráfica lo detecte en la siguiente muestra ?

  26. GRAFICA DE CONTROL pEjemplo 1 d) Suponga que la fracción defectuosa real del proceso aumentaa 0.11. Cuál es la probabilidad de que la gráfica lo detecte en la siguiente muestra ? Sea X  BIN (n = 40, p = 0.11) P [x / n > LSC] = P [x / n > 0.1583] = P [ x > 40 (0.1583)] = P [ x > 6.332] = 1 - 0.8555 = 0.145

  27. GRAFICA DE CONTROL p ANALISIS DE PATRONES El proceso es dado como fuera de control si se viola alguna de cuatro reglas: Test 2 debe decir “ Eight points in a row ”

  28. GRAFICA DE CONTROL p ANALISIS DE PATRONES El proceso es dado como fuera de control si se viola alguna de cuatro reglas: Test 2 debe decir “ Eight points in a row ” (si el tamaño de las muestras es variable, los límites de control no son constantes y entonces solo aplica la regla Test 1)

  29. GRAFICA DE CONTROL pEjemplo 2 – muestra variable El ingeniero de calidad de una empresa toma muestras de la producción diaria con el objeto de elaborar una gráfica p. La tabla anexa muestra los rechazos encontrados y la cantidad de piezas revisadas cada día. Si la fracción defectuosa de cierto día excede los límites de control el ingeniero debe inspeccionar al 100% el lote producido. a) Determine los límites de control y contruya la gráfica b) Determine los límites de control futuros, suponiendo que se identifican las causas especiales de los puntos fuera de control.

  30. GRAFICA DE CONTROL pEjemplo 2 a) Límites de control p = xi = 240 = 0.16854 ni 1424 LSCi = 0.168 + 3(0.168)(1-0.168)/ni LICi = 0.168 - 3(0.168)(1-0.168)/ni

  31. GRAFICA DE CONTROL pEjemplo 2 a) Límites de control p = xi = 240 = 0.16854 ni 1424 LSCi = 0.168 + 3(0.168)(1-0.168)/ni LICi = 0.168 - 3(0.168)(1-0.168)/ni En este caso los límites de control son variables dependiendo del tamaño ni de la muestra

  32. GRAFICA DE CONTROL pEjemplo 2

  33. GRAFICA DE CONTROL pEjemplo 2 b) Límites de control (después de eliminar punto p6) pest = xi = 240 - 29 = 0.1596 ni 1424 - 102 LSC = 0.1596 + 3(0.1596)(1-0.1596)/ni LSC = 0.1596 - 3(0.1596)(1-0.1596)/ni

  34. GRÁFICA DE CONTROL np • Se grafica el número de unidades defectuosas en la muestra • Es más fácilmente interpretado por el personal al no requerir de cálculos • Si el tamaño de muestra es constante, las gráficas p y np muestran el mismo comportamiento pero a diferente escala

  35. GRÁFICA DE CONTROL np • La gráfica se basa en la aproximación normal a la binomial • Si X : # de defectuosos en la muestra de tamaño n es una Variable Binomial (n,p) entonces X ~ Normal ( np,np (1-p) ) aproximadamente si np 5 • Los límites de control son: E[X] 3 D.S. [X] np  3  np (1-p) • Si el tamaño de muestra es variable, entonces los límites de control así como la línea central varían de muestra a muestra

  36. GRÁFICA DE CONTROL np • Si el tamaño de muestra no es constante la gráfica ptiene limites de control variables LSCi = p + 3p (1-p)/ni LICi = p - 3p (1-p)/ ni

  37. GRÁFICA DE CONTROL np • Si el tamaño de muestra no es constante la gráfica ptiene limites de control variables LSCi = p + 3p (1-p)/ni LICi = p - 3p (1-p)/ ni • Si el tamaño de muestra no es constante en la gráfica np, los límites de control así como la línea central varían de muestra a muestra LSCi = nip + 3  nip (1-p) LICi = nip - 3  nip (1-p)

  38. GRAFICA DE CONTROL npEjemplo 3 – muestra variable El ingeniero de calidad de una empresa toma muestras de la producción diaria con el objeto de elaborar una gráfica np. La tabla anexa muestra los rechazos encontrados y la cantidad de piezas revisadas cada día. Si el número de rechazos de cierto día excede los límites de control el ingeniero debe inspeccionar al 100% el lote producido. a) Determine los límites de control y contruya la gráfica b) Determine los límites de control futuros, suponiendo que se identifican las causas especiales de puntos fuera de control.

  39. GRAFICA DE CONTROL npEjemplo 3 a) Límites de control p = xi = 240 = 0.16854 ni 1424 LSCi = 0.168ni + 3 ni (0.168)(1-0.168) LCi = 0.168ni LICi = 0.168ni - 3 ni (0.168)(1-0.168)

  40. GRAFICA DE CONTROL npEjemplo 3 a) Límites de control p = xi = 240 = 0.16854 ni 1424 LSCi = 0.168ni + 3 ni (0.168)(1-0.168) LCi = 0.168ni LICi = 0.168ni - 3 ni (0.168)(1-0.168)

  41. GRAFICA DE CONTROL npEjemplo 3

  42. GRAFICA DE CONTROL pEjemplo 2

  43. GRAFICA DE CONTROL pEjemplo 2 NP Chart

  44. GRAFICAS DE CONTROL PARA ATRIBUTOSInconvenientes • Pueden no tener Límite Inferior de Control • A medida que se mejora el proceso (p disminuye) se requiere incrementar el tamaño de los subgrupos (n>5/p) • Tienen desempeño sesgado (no son muy sensibles para detectar mejoras en p ) • La práctica de identificar patrones sistemáticos ó no aleatorios debe modificarse ya que la distribución binomial es muy sesgada si p es pequeño

  45. GRAFICAS DE CONTROL PARA ATRIBUTOS • Se utilizan con muestras grandes (a veces cientos ó miles) Por ejemplo, si p = 0.01 se requieren muestras de tamaño n > 500 • El Costo / unidad de revisar un atributo es menor que el de medir una característica variable • Son útiles como medida del desempeño de un taller, departamento, empresa, etc. • Generalmente el desempeño mejora después de introducir una gráfica para atributos pues la gráfica es una representación visual contínua del desempeño

  46. OBJETIVOS DE LAS GRAFICAS DE ATRIBUTOS • Estimar la fracción defectuosa de producto terminado • Estimar el Costo estándar de retrabajo (Costos de Calidad) • Determinar la eficacia de un programa de entrenamiento o de mantenimiento • Sugerir dónde utilizar gráficas de control para variables y / o las gráficas c ó u .

More Related