1 / 18

ADMINISTRACION DE LA CALIDAD

ADMINISTRACION DE LA CALIDAD . CONTROL ESTADISTICO DEL PROCESO GRAFICAS DE CONTROL PARA ATRIBUTOS Enero 1998 César A. Acosta-Mejía. GRAFICAS DE CONTROL PARA ATRIBUTOS. Atributo: característica de calidad que el bien o servicio posee o no. Ejemplos:

terri
Download Presentation

ADMINISTRACION 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. ADMINISTRACION DE LA CALIDAD CONTROL ESTADISTICO DEL PROCESO GRAFICAS DE CONTROL PARA ATRIBUTOS Enero 1998 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. La rugosidad superficial de una llanta La característica puede ser medida como variable pero la decisión es “pasa o no pasa” Al usar atributos se busca controlar unidades defectuosas o defectos particulares.

  3. GRAFICOS DE CONTROL PARA ATRIBUTOSCLASIFICACION Gráficos de control para unidades defectuosas • La gráfica p fracción defectuosa • La gráfica npnúmero de artículos no conformes Gráficos de control para defectos • La gráfica c número de defectos. • La gráfica u número de defectos por unidad.

  4. GRAFICA DE CONTROL p • Un producto defectuoso puede tener una ó más características de calidad defectuosas • Esta gráfica controla si la fracción p de unidades defectuosas del proceso permanece constante • En un solo gráfico se puede controlar una, varias, o todas las características de calidad del producto

  5. GRAFICA DE CONTROL p • El proceso se controla determinando el número de unidades defectuosas observadas en muestras de tamaño ni. • Se calcula luego la Fracción Defectuosa de la muestra i : Número de defectuosos xi pi = ------------------------------------- Número de Artículos ni • Se verifica si se encuentra entre los limites de control no se observan patrones sistemáticos • En caso de haber puntos fuera de control, los limites se recalculan

  6. DIAGRAMA DE CONTROL pPARA LA FRACCIÓN DEFECTUOSA Si el proceso está estable con fracción defectuosa p; y los bienes o servicios elaborados se pueden considerar independientes Entonces X : # de defectuosos en la muestra de tamaño n es una Variable Aleatoria Binomial (n,p) Los Límites de control son: p ± 3 (teorema del límite central) Como p no se conoce, se le estima a partir de m muestras previas, con

  7. Ejemplo La compañía ABC fabrica cortadoras de césped. El nivel de producción es de aproximadamente 200 por día. 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. a) Construya la gráfica p para la prueba de calidad b) Identifique si el proceso está en control c) Cual es el valor estimado de la fracción defectuosa p del proceso ?

  8. a) M = 25 número de muestras n = 40 tamaño de cada muestra

  9. pi Día

  10. b) el punto p18 sale fuera de control y el punto p13 esta muy próximo. Al determinar la causa que produjo su comportamiento se les elimina y se recalculan p y los límites de control.

  11. pi Día

  12. c) Ahora todos los puntos caen dentro de los límites revisados y se ven distribuídos aleatoriamente. Se espera que el proceso permanezca bajo control con un valor medio de p = 0.0525. Para la próxima semana 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.

  13. GRAFICAS DE CONTROL PARA ATRIBUTOS • Los Gráficos de Control por Atributos se utilizan con muestras grandes (cientos ó miles) • El Costo / unidad de inspeccionar un atributo es menor que el de inspeccionar una variable • Son útiles como medida del desempeño de una taller, departamento, empresa, etc. • Generalmente el desempeño mejora después de introducir una gráfica para atributos pues la gráfica es una representación visual contínua de su funcionamiento.

  14. 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 .

  15. GRÁFICA DE CONTROL np • Se controla el proceso a través del número de unidades defectuosas • Presenta la ventaja de ser más fácilmente interpretado por el personal operador al no requerir de cálculos porcentuales • Las gráficas p y np muestran el mismo comportamiento pero a diferente escala

  16. 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 • Los límites entonces resultan de encontrar  np  3  np (1-p) • La aproximación es aceptable si n p 5 y n (1-p) 5

  17. INCONVENIENTES DE LAS GRAFICAS DE CONTROL PARA ATRIBUTOS • Pueden no tener Límite Inferior de Control • A medida que se mejora el proceso (p disminuye) se requiere incrementar el tamaño de los subgrupos. • 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 sesgada si p es pequeño

More Related