Professional Documents
Culture Documents
Mara
Dolores
Fras
Domnguez
Jess
Fernndez
Fernndez
Carmen
Mara
Sordo
Departamento
de
Matem.ca
Aplicada
y
Ciencias
de
la
Computacin
Este
tema
se
publica
bajo
Licencia:
Crea.ve
Commons
BY-NC-SA
3.0
TEMA7:ControlEstadsticodelaCalidad
Introduccinalcontroldelacalidad. Mtodosdemejoradelacalidad. GrficosdecontroldeShewhart:
Interpretacindelosgrficos.
MaraDoloresFras,JessFernndezyCarmenMaraSordo
Calidad
Llamaremos calidad a la adecuacin de un producto o servicioparaserusado. Distinguiremosentre:
Calidaddediseo:niveldecalidadelegidoenlafase dediseodelproductooservicio. Calidad de conformidad: grado de adecuacin a las especificaciones y tolerancias del diseo que se consigueenlafasedefabricacindelproducto.
MaraDoloresFras,JessFernndezyCarmenMaraSordo
Controlestadsticodelacalidad
El cliente nunca puede recibir un producto o servicio con caractersticasdecalidadperfectasdebidoalavariabilidad: Dosunidadesproducidasnuncasonexactamenteiguales
ControlEstadsticodelaCalidadaplicacindetcnicas estadsticas a procesos industriales, administrativos y/o servicios con objeto de comprobar si todas sus partes cumplen unas ciertas exigencias de calidad y ayudar a reducirsuvariabilidad. La mejora de la calidad de conformidad consiste en la reduccin sistemtica de la variabilidad en productos y servicios.
MaraDoloresFras,JessFernndezyCarmenMaraSordo
Mejoradelacalidad
Almejorarlacalidaddeconformidad:
Estosefectoscontribuyenaaumentarlaproductividad.
Una fbrica produce diariamente 80 viguetas, de las cuales hay 60 conforme a las especificaciones, pero hay 20 defectuosas. El 45% de las viguetas defectuosas debe ser desechada y el 55% restante debe ser reparada. Supongamos que el coste de fabricacinporunidadesde150yelcostedereparacines50porunidad.Cunto cuesta cada vigueta producida? Cuntas viguetas se producen diariamente? Seintroduceunprogramadecalidadquereduceelnmerodeviguetasdefectuosasa4 culeselcosteunitarioahora?yelnmeromediodeviguetas?
MaraDoloresFras,JessFernndezyCarmenMaraSordo
Ejemplo
Mejoradelacalidad
Almejorarlacalidaddeconformidad:
Estosefectoscontribuyenaaumentarlaproductividad.
Ejemplo
MaraDoloresFras,JessFernndezyCarmenMaraSordo
Costesdelacalidad
Costes de prevencin: inversin en el diseo y la fabricacinparaevitarproducirunidadesdefectuosas Costesdetasacin:inversinenlamedida,evaluacino auditora de productos o servicios, sus componentes y materiasprimasparaasegurarsuconformidad. Costes de fallos internos: son los provocados por unidades defectuosas descubiertas antes de llegar al cliente (desechado, pruebas, reprocesado, prdida de produccin,) Costes de fallos externos: son los provocados por unidades defectuosas descubiertas despus de llegar al cliente (garanta, devoluciones, quejas, responsabilidad, prdidadeprestigioyventas,...)
MaraDoloresFras,JessFernndezyCarmenMaraSordo
Variabilidad
La mayor dificultad para proporcionar productos o servicios de calidad perfecta es la variabilidad inherente a cualquier procesodefabricacinodeprestacindeservicios. Si la diferencia entre dos unidades es pequea no tiene importancia, pero si es relativamente grande, alguna unidad puedeserinaceptable,oloqueeslomismodefectuosa. El estudio y evaluacin de esa variabilidad es el objetivo de laaplicacindetcnicasestadsticasalcontroldelacalidad.
MaraDoloresFras,JessFernndezyCarmenMaraSordo
Variabilidad
Diremos que un proceso est bajo control o en estado de control cuando la caracterstica de calidad observada en el procesovaradeformaestablealrededordeunvalormedio fijo. El principal objetivo del control de calidad ser reducir sistemticamente la variabilidad en productos y servicios. Para ello es necesario, primero identificar las causas que provocan variabilidad y posteriormente eliminarlas del procesodefabricacin.
MaraDoloresFras,JessFernndezyCarmenMaraSordo
Causasdelavariabilidad
Lascausasdevariabilidadsepuedenclasificarcomo:
Las causas de la variabilidad cuando un proceso est bajo control se denominan causas comunes. Son la suma de muchas variaciones pequeas en todo el proceso (materia prima, condiciones ambientales, maquinaria, operarios, ) y son susceptiblesdeunacaracterizacinestadstica. Las causas que hacen que un proceso abandone su estado de controlsedenominancausasespecialesoasignables.Suelenser pocas pero sus efectos son muy importantes. Hay que detectarlas (valindose del control estadstico de procesos), investigarlas y eliminarlas del sistema. (ej. ajuste incorrecto de una mquina, erroreshumanos...).
Mtodosdemejoradelacalidad
LassieteherramientasdeIshikawa*,sonunconjuntodetcnicasdecontrol estadstico utilizadas durante el proceso de fabricacin del producto o de prestacindelservicioparamejorarlacalidadylaproductividad:
Plantillas para recogida de datos (check sheets): plantillas que recogen datos deunacaractersticadecalidad Histogramas:representacingrficadelasvariables Diagramas causaefecto (fishbone diagram): busca el factor principal de los problemas DiagramasdePareto:representacingrficadevariablescualitativas Diagramasdedispersin:estudialarelacinentre2variables Grficosdeflujo:esquemaquedescribeelprocesoensusmltiplespartescon elfindeidentificarelproblema: Grficos de control: representacin de una caracterstica de la calidad con lmitesdecontrol *Ingenierojaponsexpertoenelcontroldelacalidad.
MaraDoloresFras,JessFernndezyCarmenMaraSordo
Mtodosdemejoradelacalidad
Mtodosdemejoradelacalidad
Histogramas:representacingrficadelasvariables
Nos permite ver rpidamente como se distribuyen las mediciones contenidas en una tabla.
MaraDoloresFras,JessFernndezyCarmenMaraSordo
Mtodosdemejoradelacalidad
DiagramasdePareto:representacingrficadevariablescualitativas
En este ejemplo, eliminando del proceso las causas que provocan los dos primeros tiposdedefectosdesapareceranlamayoradelosdefectos.
MaraDoloresFras,JessFernndezyCarmenMaraSordo
Mtodosdemejoradelacalidad
Diagramasdedispersin:estudialarelacinentre2variables
MaraDoloresFras,JessFernndezyCarmenMaraSordo
Mtodosdemejoradelacalidad
Grficosdeflujo:esquemaquedescribeelprocesoensusmltiplespartes
conelfindeidentificarelproblema
Inicio
Smboloinicio/fin
Pesado
Agregar disolvente
Smbolooperacin
Fin NO
Reaccin Qumica
Sacar muestra
Smbolooperacinmanual
Medirpropiedad
Valor correcto?
Smbolodedecisin
SI
Enfriar
MaraDoloresFras,JessFernndezyCarmenMaraSordo
GrficosdeControl
Los grficos de control son una herramienta de control estadstico que se utiliza para monitorizar las causas comunes de variabilidad y detectar la ocurrencia de causas especialesalolargodeltiempo. Permitenvisualizarsielprocesoestbajocontrol.
LosmsconocidossonlosGrficosdecontroldeShewhart*, que representan una caracterstica de calidad frente al tiempo(ounavariablerelacionadaconeltiempo)ymuestran *IngenieroamericanodelaBellTelephoneLaboratories, loslmitesdecontrol. expertoenelcontroldelacalidad.
Grfico c
12.000 10.000 8.000 6.000 4.000 2.000 0.000 Jan-05 n de quejas
UCL CL
Apr-05 Jul-05 Oct-05 Jan-06 meses Apr-06 Jul-06 Oct-06
LCL
MaraDoloresFras,JessFernndezyCarmenMaraSordo
Lmitesdecontrol
Sedenominalneacentral(CL),alvalormediodelacaracterstica decalidadestudiada. El lmite superior de control (UCL) y el lmite inferior de control (LCL),sondoslmites(porencimaypordebajodelalneacentral) conlosquesedecidesielprocesoestfueradecontrol. Sisepuedesuponerquelacaractersticadecalidadsedistribuye de forma normal, el intervalo (-3, +3) es un intervalo de probabilidad al 99.7% de confianza para un valor de esa caracterstica. Consideraremos el proceso fuera de control si la caracterstica toma un valor fuera de ese intervalo. Es decir, tomaremos: UCL = +3 CL = LCL = -3
Idealmente, y se estiman mediante registros histricos de la caracterstica de calidad o vienen dadosdelafasedediseo.Sinoquedaotroremedio, podemosestimarlosmedianteelregistroqueseest analizando.
MaraDoloresFras,JessFernndezyCarmenMaraSordo
GrficosdeControldeShewart
Al monitorizar un proceso con un grfico de control puede ocurrir:
Alarmaverdadera:ocurreunacausaespecialysedetecta. Ocurreunacausaespecialperonosedetecta. Falsaalarma:noocurreningunacausaespecialperoelgrfico decontrolproduceunaalarma. No ocurre ninguna causa especial y el grfico de control no produceningunaalarma
LadeterminacindeLCLyUCLdebehacersedeformaque se detecte la presencia de causas especiales con la mayor probabilidad posible y lo ms rpidamente posible, minimizandoalmismotiempolatasadefalsasalarmas.
MaraDoloresFras,JessFernndezyCarmenMaraSordo
GrficosdeControldeShewart
LosGrficosdeControldeShewartvaransegneltipode datoquerepresentan:
Grfico c: nmero total de defectos durante sucesivos intervalosdetiempooespaciodelongitudfija. Grficou:nmerodedefectosporunidaddemedida Grfico np: cantidad de unidades defectuosas en la muestra Grfico p: proporcin de unidades defectuosas en la muestra Grficos X, R y S: caractersticas de calidad de tipo continuo, media y variabilidad (rango y desviacin tpica) delproceso.
MaraDoloresFras,JessFernndezyCarmenMaraSordo
Grficoc
Estamosinteresadosenelnmerototaldedefectosdurante sucesivosintervalosdetiempooespaciodelongitudfija. SisecumplenlascondicionesparaqueX~Po(c),sufuncin deprobabilidadser:
dondelamediaylavarianzadeXsernigualesac. Cuando la media c de X es suficientemente grande como paraqueladistribucindePoissonpuedaaproximarseporla distribucinnormal,loslmitesdecontrolquedarndefinidos como: Lalneacentralser,obviamente,CL=c
MaraDoloresFras,JessFernndezyCarmenMaraSordo
Ejemplo
Grficoc
Un pequeo restaurante de carretera ha recogido todos los meses durante dos aos el nmero de quejas que ha rebididoenrelacinalosserviciosquepresta:
2009 quejas 2010 quejas Ene 3 Ene 4 Feb 1 Feb 11 Mar 4 Mar 3 Abr 6 Abr 4 May 2 May 1 Jun 4 Jun 6 Jul 6 Jul 3 Ago 4 Ago 4 Sep 0 Sep 4 Oct 4 Oct 0 Nov 7 Nov 3 Dic 3 Dic 4
MaraDoloresFras,JessFernndezyCarmenMaraSordo
Ejemplo
Grficoc
Grfico c
12.000 10.000 8.000 quejas 6.000 4.000 2.000 0.000 Jan-05 Apr-05 Jul-05 Oct-05 Jan-06 Apr-06 Jul-06 Oct-06
meses
Dadoquenohemosusadolaverdaderacdelproceso,lareestimamoseliminandoelpuntoqueestfueradecontrol, porsiseestnenmascarandootrosyparaobtenerunacmsajustadaalamediacuandoelprocesoestbajocontrol.
Grfico c
10.000 9.000 8.000 7.000 6.000 5.000 4.000 3.000 2.000 1.000 0.000 ene-05
quejas
abr-05
jul-05
oct-05 meses
ene-06
may-06
ag0-06
nov-06
MaraDoloresFras,JessFernndezyCarmenMaraSordo
Ejercicio
Una compaa que fabrica teclados realiza diariamente anlisis de calidad a 25 teclados con el fin de determinar el nmero total de teclas defectuosas. La produccin ser satisfactoria si el nmero de teclas defectuosas no vara de 4. En la siguiente tabla se muestran el nmero de teclas defectuosas en 30 jornadas:
3 2 3 8 5 3 2 5 5 2 8 6 3 5 3 4 6 5 4 7 3 9 4 5 7 4 0 0 2 4
Obtener el grfico de control del proceso y determinar si el proceso est bajo control.
Grficonp
Estamos interesados en el nmero X de unidades defectuosas en una muestra de tamao n. En este caso, X debe ser una distribucin binomial y su funcin de probabilidadser:
LamediadeXesnpylavarianzanp(1p). Sielvalordenessuficientementegrandecomoparaquela distribucin binomial pueda aproximarse por la distribucin normal,loslmitesdecontrolsedefinirancomo: CLseranp.
ppodraserelhistricosisedisponedeloelestimadoapartirdela muestra.
MaraDoloresFras,JessFernndezyCarmenMaraSordo
Ejemplo
Grficonp
Una empresa fabrica pequeas piezas de PVC mediante un proceso mecanizado. Al analizar las piezas se puede determinar si estas tienen las dimensiones adecuadas o no, en cuyo caso se consideradefectuosa.Laempresaquiereelaborarungrficodecontrolparacontrolarelnmerode piezasdefectuosasproducidasporlamquina.Paraelloseseleccionaron30muestrasdetamao 50,obteniendoselossiguientesdatos: muestra 1 2 3 4 5 6 7 8 9 10 N defectuosas 12 15 8 10 4 7 16 9 14 10 muestra 11 12 13 14 15 16 17 18 19 20 N defectuosas 5 6 17 12 22 8 10 5 13 11 muestra 21 22 23 24 25 26 27 28 29 30 N defectuosas 20 18 24 15 9 12 7 13 9 6
Construyaelgrficodecontrolparalaempresayanalicelainformacinobtenida.
MaraDoloresFras,JessFernndezyCarmenMaraSordo
Ejemplo
Grficonp
p=0.23 np=11.57
MaraDoloresFras,JessFernndezyCarmenMaraSordo
Grficosdetipocontinuo
Los grficos para caractersticas de tipo continuo presentan unadiferenciaimportanteconrespectoalos grficoscynp vistos. En los casos vistos, al conocer la media de un proceso queda completamente determinada la varianza (distribucin binomial y Poisson), por lo que slo es necesario monitorizar la media (la variabilidad queda monitorizada). Altrabajarconmedidascontinuas,enlasquesesueleusar ladistribucindeprobabilidadnormal,lamediaylavarianza noestnrelacionadas,porloquehabrquemonitorizarpor una lado la media del proceso, grfico X y por otro la variabilidad, grfico R (para el rango) o grfico S (para la desviacintpica).
MaraDoloresFras,JessFernndezyCarmenMaraSordo
GrficoX
Es una representacin de las medias observadas para la caracterstica de calidad medida en sucesivos intervalos de muestreot=1,2,....
n:nmerodeobservacionesen cadaintervalodemuestreot
Los lmites de control se suelen calcular a partir del rango medio delosdatosobservadosencadaintervalot, Apartirdeesterangomedioesposibleobtenerunestimadordela desviacin tpica de las observaciones individuales xti y as un estimador de la desviacin tpica de las medias obtenidas en cadaintervalodemuestreot:
donded2esunaconstanteenfuncinden n d2 2 1.128 3 1.693 4 2.059 5 2.326 6 2.534 7 2.704 8 2.847 9 2.970 10 3.078
MaraDoloresFras,JessFernndezyCarmenMaraSordo
GrficoX
CLpuedeserigualalamediahistricadelacaracterstica medidaencasodeserconocida,oalamediadelasmedias observadas:
Loslmitesdecontrolquedandefinidoscomo:
MaraDoloresFras,JessFernndezyCarmenMaraSordo
Ejemplo
GrficoX
Enunafbricaqueproducetuberassehanmedidolosdimetros (en mm) de 16 tuberas. En la siguiente tabla se muestran los datosobtenidosalolargode8intervalosdemuestreosucesivos, encadaunodeloscualessehanseleccionaldoalazar2tuberas para medir sus dimetros xt1 y xt2. Dibujar el grfico X, puede decirsequelamediadelprocesoestbajocontrol?
Intervalo de muestreo (t) 1 2 3 4 5 6 7 8 xt1 80 83 81 79 81 80 81 79 xt2 82 81 80 80 79 80 81 81
MaraDoloresFras,JessFernndezyCarmenMaraSordo
Ejemplo
GrficoX
MaraDoloresFras,JessFernndezyCarmenMaraSordo
GrficoR
Es una representacin de los rangos Rt, calculados para el grfico X. En este la desviacin tpica de los rangos Rt obtenidos en cada intervalo de muestreo t puede calcularse como:
dondedResunaconstanteenfuncinden n dR 2 1.323 3 1.906 4 2.340 5 2.691 6 2.988 7 3.247 8 3.472 9 3.676 10 3.861
Portanto,loslmitesdecontroldelgrficoRsecalculan:
CLserigualalrangomedio.
MaraDoloresFras,JessFernndezyCarmenMaraSordo
Ejemplo
GrficoR
En una fbrica que produce tuberas se han medido los dimetros (en mm) de 16 tuberas. En la siguiente tabla se muestran los datos obtenidosalolargode8intervalosdemuestreosucesivos,encadauno de los cuales se han seleccionaldo al azar 2 tuberas para medir sus dimetros xt1 y xt2. Dibujar el grfico R, puede decirse que la variabilidaddelprocesoestbajocontrol?
Intervalo de muestreo (t) 1 2 3 4 5 6 7 8 xt1 80 83 81 79 81 80 81 79 xt2 82 81 80 80 79 80 81 81
MaraDoloresFras,JessFernndezyCarmenMaraSordo
Ejemplo
GrficoR
MaraDoloresFras,JessFernndezyCarmenMaraSordo
Interpretacindelosgrficos
Cadavezqueapareceunpuntofueradeloslmitesdecontrolse declara la ocurrencia una alarma, cuyo origen hay que investigar para eliminar el problema del proceso. Mientras todos los puntos seencuentrenentreLCLyUCLlamonitorizacincontina. PuedeocurrirquetodoslospuntosestnentreLCLyUCLperoel procesonoestbajocontrolypuedadeclararseunaalarma:
Racha: 7 puntos o ms consecutivos a un mismo lado de la lnea central. Tambinsihay10de11,12de14. Tendencia:7puntosomsenordencrecienteodecreciente Periodicidad:serepiteelmismopatrndepuntosenperiodosdelongitud fija(aparecenciclos). Inestabilidad:fluctuacionescercadeLCLyUCL Superestabilidad:16puntosomsentrey+
Otros:2de3puntosconsecutivosfueradelabanda 2. 4de5puntosconsecutivosfueradelabanda .
MaraDoloresFras,JessFernndezyCarmenMaraSordo
Interpretacindelosgrficos
LC LCL UCL
MaraDoloresFras,JessFernndezyCarmenMaraSordo
Interpretacindelosgrficos
Tendencia:7puntosomsenordencrecienteodecreciente
LC LCL UCL
MaraDoloresFras,JessFernndezyCarmenMaraSordo
Interpretacindelosgrficos
LC LCL UCL
MaraDoloresFras,JessFernndezyCarmenMaraSordo
Interpretacindelosgrficos
Inestabilidad:fluctuacionescercadeLCLyUCL
LC LCL UCL
MaraDoloresFras,JessFernndezyCarmenMaraSordo
Interpretacindelosgrficos
Superestabilidad:16puntosomsentrey+
LCL UCL
MaraDoloresFras,JessFernndezyCarmenMaraSordo
Interpretacindelosgrficos
Si adoptamoscomo protocolo que cada vez que ocurreuna deesassituacionessedeclaraunaalarma:
Aumentar la sensibilidad del proceso de monitorizacin: mayorprobabilidad/rapidezparadetectaralarmas. Aumentar el nmero medio de falsas alarmas: usamos varios criterios para detectar alarmas cada uno con su tasadefalsasalarmas.
Elprimercasoesbeneficiosoperoelsegundoesperjudicial. Debe adoptarse una solucin de compromiso que permita optimizar la deteccin de alarmas verdaderas, minimizandolatasadefalsasalarmas.
MaraDoloresFras,JessFernndezyCarmenMaraSordo