Control Avanzado Procesos

CONTROL AVANZADO DE PROCESOS P. Reyes/ Sept..
2007
CONTROL AVANZADO
DE PROCESOS
Primitivo Reyes Aguilar
Septiembre 2007
Pgina 1 de 56
CONTROL AVANZADO DE PROCESOS P. Reyes/ Sept.. 2007
CONTENIDO
1. INTRODUCCIN
2. CARTAS DE CONTROL DE SUMAS ACUMULADAS CuSuM
3. CARTAS DE CONTROL DE PROMEDIO MOVIL
EXPONENCIALMENTE PONDERADO (EWMA)
4. CARTAS DE CONTROL DE MEDIA MOVIL
5. CARTAS DE CONTROL PARA CORRIDAS CORTAS
6. CARTAS DE PRECONTROL
7. CARTAS DE CONTROL MODIFICADAS Y DE ACEPTACIN
8. CARTAS DE CONTROL DE DESGASTE
9. CARTAS DE CONTROL PARA PROCESOS SALIDA MLTIPLE
10. CONTROL DE CALIDAD MULTIVARIADO
11. DISEO ECONMICO DE LAS CARTAS DE CONTROL
12. CEP PARA PROCESOS CORRELACIONADOS
Pgina 2 de 56
CONTROL AVANZADO DE PROCESOS
1. Introduccin
Las cartas de control de Shewart utilizan slo informacin acerca del
proceso con los ltimos datos del subgrupo, e ignoran la informacin
de la secuencia completa de puntos, esto hace que estas cartas de
control sean insensibles a pequeos corrimientos de la media del
proceso, de 1.5 o menos. Los lmites preventivos y criterios mltiples
de prueba de corridas o tendencias toman en cuenta otros puntos de
la carta, sin embargo esto reduce la simplicidad de interpretacin de la
carta as como reducir el ARL en control lo cual es indeseable.
Cuando se trata de identificar pequeas variaciones o corridas en la
media, se pueden utilizar como alternativa, las cartas de sumas
acumuladas (cusum), y promedio mvil exponencialmente
ponderado (EWMA).
2. CARTA DE CONTROL DE SUMAS ACUMULADAS - Cusum
Para pequeos corrimientos menores a 1.5, la carta de Shewart es
ineficiente, en esos casos la carta de sumas acumuladas de Page, que
funciona con n >=1 es mejor, ya que incorpora toda la informacin
anterior en el valor de la muestra al graficar la suma acumulada de las
desviaciones con referencia a un valor objetivo
0
. Si se colectan
muestras de tamao n >= 1 siendo
j x
el valor promedio de la
Pgina 3 de 56
muestra j-sima. La carta de sumas acumuladas se forma graficando
para cada muestra i la cantidad siguiente que representa la suma
acumulada hasta la muestra i,

i
j
j
i
x C
1
0
) (
Como esta carta es eficiente para n=1, es una buena alternativa para
el control de procesos qumicos y el C.E.P. automatizado. Si la media
tiene un corrimiento hacia arriba, la carta mostrar una tendencia
ascendente y viceversa.
La carta Cusum no tiene lmites de control, sin embargo tiene un
mecanismo similar ya sea en forma tabular o por medio de una
mascara en V, como la mostrada en el ejemplo de las pginas
siguientes.
Pgina 4 de 56
CUSUM EN FORMA TABULAR
La carta tabular Cusum trabaja con derivaciones acumuladas de
0
sobre el objetivo con un estadstico C
+
o debajo de este con un
estadistico C
-
, tambin llamados Cusums de lado superior o inferior
respectivamente. Se calculan como sigue:
[ ]
+
+
+ +
1 0
) ( , 0
i i i
C K x max C
[ ]
+
1 0
) ( , 0
i i i
C x K max C
donde los valores iniciales para C
+
y C
-
son cero.
En las ecuaciones anteriores K es el valor de referencia y se
selecciona como un valor intermedio entre la
0
objetivo y la
1
fuera
de control en la que estamos interesados en detectar.
As, si el corrimiento se expresa en unidades de desviacin estndar
1
=
0
+ , entonces K es la mitad de la magnitud del corrimiento:
K = / 2 = Valor absoluto de (
1
-
0
) / 2
Cuando cualquier estadstico C
+
y C
-
excede el intervalo de decisin
H, se considera al proceso fuera de control. Un valor razonable para H
es cinco veces el valor de .
Pgina 5 de 56
Por ejemplo si 0 = 10, n=1, = 1, y asumiendo que se quiere detectar un
corrimiento de 1 = 1, se tiene:
1 = 10 + 1 = 11
K = = 1/2
H = 5 = 5
[ ]
+
+
+
1
5 . 10 , 0
i i i
C x max C
[ ]
+
1
5 . 9 , 0
i i i
C x max C
Para el caso de i=1, con xi = 9.5 se tiene:
[ ] 0 0 5 . 10 45 . 9 , 0
1
+
+
max C
[ ] 05 . 0 0 45 . 9 5 . 9 , 0
1
+
max C
Para el caso de i=2, con xi = 7.99 se tiene:
[ ] 0 0 5 . 10 99 . 7 , 0
1
+
+
max C
[ ] 56 . 1 05 . 0 99 . 7 5 . 9 , 0
1
+
max C
Si N
+
y N
-
indican los periodos en que las sumas no han sido cero, se
obtiene la tabla de la pgina siguiente:
De la tabla de Cusum Tabular se observa que en el periodo 29 su C29
+
fue de 5.28,
lo que sugiere una situacin fuera de control, usando el contador N
+
cuyo valor es
7, indica que el ltimo punto en control fue el 29 7 = 22, de tal forma que el
corrimiento ocurri entre el periodo 22 y 23.
Tambin se puede obtener una presentacin grfica de esta carta,
denominada Carta de Estatus de Cusum, graficando C
i
+
y C
i
-
contra
el nmero de muestra. Esto da una idea grfica al operador del
desempeo del proceso.
Pgina 6 de 56
En forma similar a las cartas Cusum, se debe detener el proceso,
identificar la causa asignable o especial, tomar accin correctiva e
iniciar de nuevo la Cusum Tabular.
Cuando el proceso se corre, la nueva media puede estimarse de:
+
+
+ +
N
C
K
i
0
, si
H C
i
>
+

N
C
K
i
0

, si
H C
i
>
En el ejemplo, en el periodo 29 con C

+
29
= 5.28, la nueva media del proceso
es,
25 . 11
7
28 . 5
5 . 0 10 + +
Esto es importante saberlo, por si el proceso tiene alguna forma de ajuste.
Cuando se utiliza un tamao de subgrupo mayor a 1, en las frmulas
anteriores se debe remplazar a x
i
por i
x
y por la
x
=
n
, aunque se
recomienda usar un tamao de muestra 1 con frecuencia de muestreo
mayor que para el equivalente de Shewart.
La carta Cusum tabular tambin se puede utilizar para un solo lado
con C
+
o C
-
.
Pgina 7 de 56
EL PROCEDIMIENTO DE LA MASCARILLA EN V
Un procedimiento alterno al uso del mtodo tabular Cusum, es la
mascarilla en V propuesta por Barnard (1959), esta mascarilla es
aplicada a valores sucesivos del estadstico,
1
1

+
i i
i
j
j i
C y y C
donde y
i
= (x
i
-
0
) / observacin estandarizada. Una mascarilla en V
se muestra a continuacin:
C
i
O d P

2A
1A

1 2 3 4 5 ............................................. i
El procedimiento consiste en colocar la mascarilla en V sobre la carta
Cusum, con el punto O sobre el ltimo valor de C
i
y la lnea OP
paralela al eje horizontal. Si todos los puntos anteriores C
1
, C
2
,....,C
j
se
encuentran dentro de los dos brazos de la mascarilla, el proceso est
en control, sin embargo si cualquier punto de las sumas acumuladas
Pgina 8 de 56
se encuentra fuera de los brazos de la mascarilla, se considera al
proceso fuera de control.
En la prctica, la mascarilla en V se debe colocar a cada punto tan
pronto como es graficado, los brazos de la mascarilla se asumen
extendidos hasta el origen.
La operacin de la mascarilla en V est determinada por la distancia
al vrtice d y el ngulo .

La Cusum Tabular es equivalente a la mascarilla en V si,
k = A tan ()
y
h = A d tan () = d.k
Donde A es la distancia horizontal en la mascarilla en V, entre puntos
sucesivos en trminos de unidades de distancia de la escala vertical.
Por ejemplo para la forma tabular con k = y h = 5, seleccionando A =1 se tiene
k = A tan () => = (1) tan ()
o = 26.57
de h = d.k => 5 = d (1/2)
o d =10
Estos son los parmetros de la mascarilla en V.
Pgina 9 de 56
Johnson y Leone han sugerido un mtodo para disear una mascarilla
en V, con las frmulas siguientes (el mtodo es utilizado por el
paquete STATGRAPHICS):
,
_

A
tan
2
1

,
_
,
_
1
ln
2
2
d
Donde 2 es la mxima probabilidad de una falsa alarma cuando el
proceso est en control y es la probabilidad de no detectar un
corrimiento de magnitud .
d
) ln(
cuando es muy pequeo.
Por ejemplo si = 0.05 y = 0.05 y = 1 que son los defaults del Statgraphics, se
obtiene la mascara en V siguiente:
,
_
,
_
05 . 0
05 . 0 1
ln
1
2
2
d
= 5.888

56 . 26
2
1
1

,
_

tan

No se recomienda el uso de la mascarilla en V ya que tiene algunas
desventajas como son:
1. Es un esquema de doble lado, no apta para control de un solo lado.
Pgina 10 de 56
2. Es difcil determinar que tanto extender los brazos de la mascarilla
en V, dificultando la interpretacin del proceso.
3. Existe ambigedad asociada con alfa y beta.
3. CARTA DE CONTROL DE MEDIAS MOVILES
EXPONENCIALMENTE PONDERADAS (EWMA)
El desempeo de esta carta, es equivalente al de sumas acumuladas,
con n=1.
Su estadstico se define como sigue:
1
) 1 (

+
i i i
z x z

donde 0<<=1 es una constante y su valor inicial es el valor objetivo
del proceso, de tal forma que:
0 0
z
a veces igual a
x
Si las observaciones x
i
son variables aleatorias independientes con
varianza
2
, entonces la varianza de z
i
es:

[ ]
i
zi
2 2
) 1 ( 1
2

,
_
Por tanto los lmites de control de z

i
versus el nmero de muestra o
tiempo i, son:
Pgina 11 de 56
[ ]
i
L LSC
2
0
) 1 ( 1
2

,
_
+
0
LC
[ ]
i
L LIC
2
0
) 1 ( 1
2

,
_

Note que el trmino [1 (1-)
2i
] se aproxima a la unidad conforme i se
incrementa, esto significa que cuando la carta EWMA ha corrido
durante varios periodos de tiempo, los lmites de control se estabilizan
en:
+
2
0
L LSC
0
LC
+
2
0
L LSC

Como ejemplo utilizando los datos de la carta Cusum con = 0.10, L = 2.7, 0 y
=1, se tiene la carta EWMA mostrada en la pgina siguiente.
Para x1= 9.45, calculando z1 = 9.945; LSC = 10.27 y LIC = 9.73 con la frmulas
anteriores.
Para x2= 7.99, calculando z2 = 9.7495; LSC = 10.36 y LIC = 9.64, conforme se
incrementa i los lmites se estabilizan en LSC = 10.62 LIC = 9.38.
La carta EWMA tiene un ARL
0
500 y una ARL
1
14.3 equivalente a
la Cusum con h=5 y k=1/2.
Pgina 12 de 56
Esta carta no reacciona a cambios grandes de la media tan rpido
como la hace la carta de Shewart, este mismo comportamiento lo
tienen tiene la carta Cususm.
4. CARTA DE CONTROL DE MEDIA MOVIL
Utilizada como un intermedio entre la carta de Shewart y la EWMA
para detectar pequeas corridas de la media. Asumiendo que se
define un rango de observaciones w en el tiempo i, su media mvil es:
w
x x x
M
w i i i
i
1 1
.....
+
+ + +

Los lmites de control son:
w
LSC

3
0
+
0
LC
w
LIC

3
0

Por ejemplo usando los datos anteriores con w = 5. Graficando el
estadstico Mi para periodos i 5.
5
....
4 1
+ +
i i i
i
x x x
M
Para periodos i<5 se grafica el promedio de las observaciones para los periodos 1,
2, 3, ...i.
Pgina 13 de 56
Los lmites de control son con 0 =10 y =1, se tiene:
LSC = 10 + 3 (1.0) / 5
1/2
= 11.34
LSC = 10 - 3 (1.0) / 5
1/2
= 8.66
Ver ejemplo en STATISTICA en la pgina siguiente.
Pgina 14 de 56
5. CARTAS DE CONTROL PARA CORRIDAS CORTAS
CARTAS DE CONTROL DNOM
Se pueden utilizar cartas de medias-rangos en situaciones las corridas
de produccin sean cortas, tomando las desviaciones respecto a la
media de especificaciones en lugar del valor como tal. De esta forma
si se tienen 2 piezas la A y la B, donde la dimensin nominal de la
pieza A T
A
= 50mm, y la dimensin nominal de la pieza B es T
B
=
25mm, cuando se produce las piezas A o B se toman muestras y se
evala la desviacin respecto a su media.
Muestra Pieza M1 M2 M3 D1 D2 D3 Media R
1 A 50 51 52 0 1 2 1.00 2
2 A 49 50 51 -1 0 1 0.00 2
3 A 48 49 52 -2 -1 2 -0.33 4
4 A 49 53 51 -1 3 1 1.00 4
5 B 24 27 26 -1 2 1 0.67 2
6 B 25 27 24 0 2 -1 0.33 2
7 B 27 26 23 2 1 -2 0.33 4
8 B 25 24 23 0 -1 -2 -1.00 2
9 B 24 25 25 -1 0 0 -0.33 1
10 B 26 24 25 1 -1 0 0.00 2
ver ejemplo en pgina siguiente.
Se deben cumplir 3 premisas para estas cartas:
1. La desviacin estndar debe ser la misma para todas las partes, sin
esto no se cumple usar la carta de medias estandarizada. Las
partes deben ser parecidas.
2. El procedimiento trabaja mejor cuando el tamao de muestra es
constante para todas las diferentes partes.
Pgina 15 de 56
3. La media utilizada debe ser la media de las especificaciones, a
excepcin de cuando se tiene slo un lmite de especificacin.
CARTAS DE CONTROL DE MEDIAS RANGOS ESTANDARIZADA
Si la desviacin estndar para las diferentes partes es diferente, se
usan estas cartas. Sean i
i N R ,
el rango medio y el valor nominal de x
para un nmero de parte especifico. Para todas las muestras de este
nmero de parte, graficar,
i
S
R
R
R
Se toman de datos histricos o de especificaciones para el rango, o se
puede estimar de con
4
2
c
Sd
Ri
sus lmites de control son D
3
y D
4.

Y para la media, graficar,
i
i
S
R
T x
x

La lnea central para la carta

x
estandarizada es cero, y sus lmites
de control son LSC = A
2
y LIC = -A
2
.
Pgina 16 de 56
CARTAS DE CONTROL POR ATRIBUTOS
Se utilizan cartas de control estandarizadas con lmites de control
LSC=+3 y LIC=-3. Los estadsticos a graficar son:
Carta p
n p p
p p
Z
i
i
/ ) 1 (
Carta np
) 1 ( p p n
p n np
Z
i
i
Carta c
c
c c
Z
i
i

Carta u
n u
u u
Z
i
i
/
CARTAS DE CONTROL p USANDO SUBMUESTRA VARIABLE

1

Utilizadas cuando las caractersticas del producto no pueden ser
medidas o los procesos de produccin son muy lentos. Los productos
similares se agrupan e inspeccionan como si fuesen el mismo
producto. Se sugiere inspeccionar 100% por un periodo de 6 meses y
establecer control y mejoras en el proceso a travs de una carta p
antes de establecer un plan de muestreo.
El procedimiento de muestreo consiste en tomar una pequea
submuestra diaria calculando el valor de p y graficando. El tamao
1
Soto Luis, Quality Control Director, Charles E. Gillman Company, Nogales, Arizona.
Pgina 17 de 56
mnimo de la submuestra se determina de la tabla siguiente de
acuerdo a la p-media despus de la mejora.
p-media n de submuestra LSC
p
3.0% 4 28.6%
2.0 5 20.8
1.5 7 15.3
1.0 10 10.4
0.8 12 8.5
0.6 16 6.4
0.5 19 5.4
0.4 24 4.3
0.3 32 3.2
0.2 46 2.2
0.1 92 1.1
Cuando se identifican puntos fuera de control se regresa a la
inspeccin 100% hasta corregir el problema.
Si consideramos el caso donde p-media = 2%, n = 5 y LSC = 20.8%, al
tomar la muestra y encontrar 2 defectivos indicar una situacin fuera
de control, asimismo si un da se encuentra 1 defectivo y al otro da
otro defectivo, sugiere la sospecha de algo anormal que se debe
investigar.
CARTAS DE CONTROL PARA MEDIAS Y RANGOS MVILES
2
Esta carta est diseada para corridas cortas de produccin para
tamaos de muestra 5 o menos. Una media y rango mvil se calcula
para cada tres o cuatro mediciones individuales. Se inicia con la
2
Doty, A. Lenard, Statistical Process Control, ASQC Quality Press, USA, 1991, Chapter 5.
Pgina 18 de 56
primera medicin y las siguientes 2 o 3, se continua con el siguiente
grupo que inicia con la segunda y as sucesivamente.
Ejemplo: (MA) (MR)
Muestra Medicin Media mvil Rango Mvil
1 1.055 - -
2 1.062 - -
3 1.054 - -
4 1.055 1.0565 0.008
5 1.060 1.0578 0.008
6 1.061 1.0575 0.007
7 1.065 1.0603 0.010
donde se aplican las frmulas de la carta X-R para la media de medias
y rango medio (con m-n+1 valores) y lmites de control (para n = 4) con
sus mismas reglas.
CARTAS DE CONTROL QUE USAN LMITES DE ESPECIFICACIN
El valor central y los lmites de control se establecen a partir de las
especificaciones, no es una carta sensible, pero es una alternativa a
no tener nada para el control del proceso:
= (LSE + LIE) / 2 = (LSE LIE) / 6
2
_
d R
LSC = + 3 /
n

LIC = - 3 / n
Pgina 19 de 56
6. CARTAS DE PRE CONTROL
Tambin se denomina carta de objetivo, igual que la anterior, utiliza los
lmites de especificacin para su establecimiento, situados a t 3 es
fcil de construir y usar, sin embargo igual que la anterior, no permite
mejorar el proceso. La carta tiene tres reas:
ZONA ROJA Lmite superior de especificaciones
ZONA AMARILLA Esta zona comprende 1.5 o 7%
ZONA VERDE Esta zona comprende t 1.5 o 86%
ZONA AMARILLA Esta zona comprende 1.5 o 7%
ZONA ROJA Lmite inferior de especificaciones
En la carta de pre control hay un 1/14 de que una parte caiga en la
zona amarilla y de 1/196 de que caigan dos consecutivas en sta
zona, en este caso se considera que el proceso se sali de control. A
continuacin se muestran las reglas de uso de la carta:
1. Iniciar el proceso. Si el primer artculo sale de especificaciones,
parar, corregir e iniciar de nuevo. Debern caer en la zona verde.
2. Si un artculo cae en la zona amarilla, tomar un siguiente artculo. Si
cae nuevamente en la zona amarilla parar y corregir el proceso, de
otra forma continuar.
Pgina 20 de 56
3. Si 25 artculos consecutivos caen en la zona verde, reducir
frecuencia de chequeo.
La carta tiene las siguientes desventajas:
- No es una carta de control en el sentido de utilizar los
patrones o reglas de sensibilizacin.
- No proporciona informacin del proceso con la cual se
pudiesen coordinar acciones de mejora en variabilidad.
- Asume que el proceso es hbil y que es normal.
7. CARTAS DE CONTROL MODIFICADAS Y DE ACEPTACIN
CARTAS DE CONTROL MODIFICADAS
Las cartas de control modificadas se utilizan cuando la variabilidad es
pequea respecto a los lmites de especificaciones, es decir el Cp es
mucho mayor que 1. En este caso la media del proceso puede variar
sobre un rango permitido sin afectar el desempeo del proceso.
La carta de control modificada X esta diseada para detectar slo si
la media verdadera del proceso , est localizada de tal forma que el
proceso genere una fraccin de productos no conformes mayor de
algn valor especificado .
Pgina 21 de 56
Se permite que vare entre
I
y
S
de tal forma que no se exceda la
fraccin defectiva . Se asume que el proceso est normalmente
distribuido y que sea conocida y est en control.
LIEsp. |--- 6 ---| LSEsp.

De la figura se observa que:
Pgina 22 de 56
LIE
I

S
LSE
Z
/ n
LIC LSC
Donde:

Z LIE
I
+

Z LSE
S

Donde Z
es el punto superior 100(1-) de la distribucin normal, si se

especifica un error , los lmites de control superior e inferior son:
Pgina 23 de 56
n
Z
n
Z
n
Z
,
_
+
n
Z
Z LSE
n
Z
LSC
S
,
_
+
n
Z
Z LIE
n
Z
LIC
I

Lo comn es que Z
=3.
En las cartas modificadas, es una fraccin no conforme que se
acepta con una probabilidad (1-). Si la variabilidad del proceso
cambia, stas cartas no son apropiadas, de tal forma que se
recomienda siempre usar en forma adicional una carta R o S, de
donde incluso se estime la inicial.
CARTAS DE CONTROL DE ACEPTACIN
En este caso se toma en cuenta ambos errores tipo I y tipo II, ya sea
de rechazar un proceso que opera en forma satisfactoria o de
aceptarlo si opera en forma insatisfactoria.
Los lmites de control para este caso se basan en una n especificada y
una fraccin no conforme del proceso que nos gustara rechazar con
una probabilidad (1-), por tanto:
Pgina 24 de 56

,
_

n
Z
Z LSE
n
Z
LSC
S
,
_
+ +
n
Z
Z LIE
n
Z
LIC
I
Es posible tambin seleccionar un tamao de muestra de tal forma
que se obtengan los requerimientos para , , y . Igualando los
lmites de control superiores:

,
_

n
Z
Z LSE LSC
=
,
_

n
Z
Z LSE
Se obtiene
2
,
_

Z Z
Z Z
n
Por ejemplo si delta = 0.01, alfa = 0.00135, gama = 0.05 y beta = 0.20, haciendo
los clculos se obtiene una n = 31.43 32.
2
645 . 1 33 . 2
84 . 0 00 . 3
,
_
+
n
Otro ejemplo que da Duncan es el siguiente:
3
LSE =0.025
LSE-1.96
Amplitud de variacin 0.10
Aceptable para
__
X
0.10
3
Duncan A., Control de Calidad y Estadstica Industrial, Alfaomega, Mxico, 1989, pp. 527-530
Pgina 25 de 56
LIE+1.96
LIE =0.025
En la figura si suponemos que =0.025 y = 0.10, asumiendo un proceso normal,
los lmites para la carta de control de aceptacin estarn en:
LSC = LSE 1.96 - 1.282/ n
LIC = LIE + 1.96 + 1.282/
n
Pgina 26 de 56
8. CARTA PARA CONTROLAR DESGASTE
Cuando un desgaste natural ocurre, se presenta una tendencia natural
en la carta de control, la distancia entre los lmites de
especificacin debe ser mucho mayor que 6
X
, por lo que se
puede usar el concepto de la carta de control modificada (
X
=
R/d
2
).
El ajuste inicial de la herramienta se inicia a 3
x
arriba del lmite
inferior de especificacin, y el mximo que se le permite variar
es hasta 3
x
abajo del lmite superior de especificacin. Esto
minimiza los ajustes a realizar durante las corridas de
produccin. Se puede utilizar un valor diferente de Z = 3 si se
requiere una mayor proteccin en la fraccin defectuosa. Para
este problema tambin se puede utilizar la carta de regresin.
LSE

_
X

LSE-3x
Amplitud dentro de la cual
se espera encontrar las 6
_
X
medias de las piezas Distribucin de x

_
X
LIE+3
x
LIE
CARTA DE CONTROL PARA DESGASTE DE HERRAMIENTAS
Pgina 27 de 56
Como se puede observar, slo se puede emplear sta carta si la
amplitud de los lmites de especificacin es suficiente mayor a
6
x
para alojar la carta de control.
La pendiente b de la lnea central y lmites de control se pueden
calcular por los mtodos siguientes:
1. Dibujando una lnea central que pase por los puntos graficados y
estimando en forma grfica la pendiente.
2. Utilizando la tcnica de mnimos cuadrados, donde si se tienen un
total de m muestras con el nmero de muestra i = 1,2,3..m la
pendiente b es (los datos se pueden codificar para facilidad):

))] 1 ( /( 6 [ ))] 1 ( /( 12 [
2
m m X m m iX b
i i
3. Utilizando un paquete de computadora que incluye el clculo de
mnimos cuadrados.
Los valores sugeridos de inicio y paro del proceso son , 1
, 2
donde:
2 1
/ 3 3 d R LIE LIE
x
+ +

2 2
/ 3 3 d R LSE LSE
x

El nmero de puntos que tienen que pasar para llegar de , 1
, 2
es:
M* = ( , 1
-
2
) / b
Es importante considerar que antes de llevar una carta de medias para
desgaste es indispensable asegurarse que la carta de rangos est en
control estadstico. En caso de que la media en lugar de crecer,
decrezca, las , 1
, 2
se invierten:
Los lmites de control se encuentran a una distancia vertical
_
2
R A
de la
lnea central.
Pgina 28 de 56
Ejemplo:
El dimetro exterior de una vlvula tiene una especificacin de 1.1555 t 0.0005.
Se han tomado 13 muestras de 5 piezas cada una sin ajustar la herramienta de
corte, en intervalos de media hora. Los resultados son:
Muestra i 1 2 3 4 5 6 7 8
i X
_
1.15530, 1.15540,1.15544, 1.15546, 1.15550, 1.15556, 1.15568, 1.15570,
i
R
0.00020, 0.00020, 0.00020, 0.00020, 0.00020, 0.00020, 0.00010, 0.00020
9 10 11 12 13
i X
_
1.15576, 1.15578, 1.15580, 1.15586, 1.15590
i
R
0.00010, 0.00020, 0.00020, 0.00010, 0.00020
Los resultados obtenidos son:
R-medio=0.0001769; LSCR=0.000374, = 0.000076053;
b = 0.0000492
, 1
,
2
son respectivamente 1.155228 y 1.155772
m* = 11.056, los lmites de control estn a t
_
2
R A
=
0.5768(0.0001769)=0.000102.
Es decir que tienen que pasar 11 puntos o 5.5 horas para reajustar el proceso
LSE
2
Pendiente b
LSC
, 1

LIC
LIE Tiempo t o nmero de muestra
Pgina 29 de 56
9. CARTAS DE CONTROL DE GRUPO PARA PROCESOS DE
SALIDA MULTIPLE
Pgina 30 de 56
Se utiliza para procesos con muchas fuentes de produccin, por
ejemplo diversos husillos que en principio producen piezas
similares. El usar una carta de control para cada husillo por
separado sera prohibitivo, sin embargo se tiene la alternativa
de sta carta de control siempre que la produccin entre
husillos no est correlacionada.

Para establecer una carta de este tipo, se toman n partes de cada
salida, hasta completar 20 o 25 subgrupos, por ejemplo si se
toman muestras de n = 4 de 6 husillos repetido en 20
subgrupos, se habrn tomado 20 x 6 = 120 medias y rangos
de n = 4 observaciones. De stos se calculan la media de
medias
X
y el
_
R
, los lmites de control se calculan como en
una carta de medias-rangos convencional con n = 4, en este
caso A
2
= 0.729, D
3
= 0, D
4
= 2.282:
LIC
X
=
X
- A
2
_
R
LIC
R
= D
3
_
R
LSC
X
=
X
+ A
2
_
R
LSC
R
= D
4
_
R
Pgina 31 de 56
Con los lmites de control trazados, se grafica despus slo la mayor y
la menor de las 6 lecturas promedio considerando todas las
salidas o en este caso husillos de la mquina, si se encuentran
en control, se asume que las dems estn en control. Para el
rango se grafica slo el mayor de todos los rangos. Cada
punto es identificado por el nmero de husillo o salida que lo
produjo. El proceso se encuentra fuera de control si se algn
punto excede los lmites de 3-sigma. No se pueden aplicar
pruebas de rachas a estas cartas.
Es til observar que si una salida da el mayor o el menor valor varias
en una fila, puede ser evidencia de que es diferente a los
otros. Si el proceso tiene s salidas y si r es el nmero de
veces consecutivas que se repite como el mayor o el menor, el
ARL para este evento es:

1
1
0
s
s
ARL
r
Para el caso de que s = 6 y r = 4, el ARL ser de 259, es decir que si
el proceso est en control, se esperar que una salida repita un valor
extremo 4 veces en la carta una vez de cada 259 muestras. Si esto
sucede con ms frecuencia se debe sospechar que la salida es
diferente a las dems. Algunos de los pares adecuados de (s,r) son
(3,7), (4,6), (5-6,5), 7-10,4), todas las combinaciones dan ARLo
adecuados.
10. CONTROL DE CALIDAD MULTIVARIADO
Pgina 32 de 56
Hay situaciones donde es necesario el control de dos o ms
caractersticas al mismo tiempo, por ejemplo en un balero donde
influyen el dimetro interior y el exterior para que funcione
adecuadamente. Para eso es necesario un control multivariado como
el propuesto por Hotelling
4
.
Carta de control chi-cuadrada
En el caso del control de medias el estadstico a graficar es un
2
con
2 grados de libertad:
1
]
1
2
2
__
2
2
1
__
1
2
12
2
2
__
2
2
1
2
1
__
1
2
2
2
12
2
2
2
1
2
0
) ( ) ( 2 ) ( ) (

X X X X
n
El Lmite Superior de Control LSC =
2
.2
que es el punto superior para
el rea (1-). Si al menos una media se sale de control, la probabilidad
de que el estadstico
2
salga de control se incrementa. Si
12
= 0,
indicando que las medias muestrales
2
__
1
__
, X X
son independientes se
tendr una elipse con centro en (
1
,
2
) y ejes paralelos a los ejes de
2
__
1
__
, X X
, esto implica que si si un par de muestras (
2
__
1
__
, X X
) dan un valor
de
2
que caiga dentro de la elipse, indica que el punto est dentro de
control, de esta forma se tiene una elipse de control.
4
Hotelling,H. (1947). Multivariate Quality Control,, Techniques of Statistical Analysis, Eisenhart, McGraw
Hill, NY, USA, 1947.
Pgina 33 de 56
Si
12
0 las 2 caractersticas
2
__
1
__
, X X

son dependientes y la elipse de
control estar inclinada, puede ser que un punto salga de control en
esta elipse, sin embargo todava est en control a nivel de cartas
R X
__
individuales.
Estas cartas se denominan cartas de control chi-cuadrada, las
cuales tienen 2 desventajas: 1) la secuencia de los puntos graficados
se pierde y 2) la dificultad de construir la elipse para ms de 2
caractersticas de calidad. Sin embargo una ventaja importante que
tienen, es que con un solo nmero se pueden controlar varias (p)
caractersticas de calidad en forma conjunta.
Para evitar las dificultades anteriores, es usual graficar los valores de
2
0
correspondientes a cada muestra, en una carta de control,

denominada carta de control chi-cuadrada, sta preserva la
secuencia de los datos de tal forma que se puedan investigar corridas
y otros patrones no aleatorios. Adems slo requiere un solo nmero
para controlar el proceso, muy til cuando hay dos o ms
caractersticas de inters.
Es posible extender los resultados anteriores a p caractersticas
relacionadas, asumiendo que cumplen con las reglas de la distribucin
normal p-variada. Se calcula la media muestral de cada caracterstica
de una muestra de tamao n, representndolas con el vector p x 1 de
medias muestrales.
Pgina 34 de 56
El estadstico graficado en la carta de control chi-cuadrada para cada
muestra es:
) ( )' (
_
1
_
2
0

x x n .
Donde es el vector de las medias en control para cada
caracterstica de calidad y es la matriz de covarianza. El lmite de
control superior es:
2
. p
LSC

LSC =
2
.2
2
0
1 2 3 4 5 6 7 8 9
Carta de control chi-cuadrada para p = 2 caractersticas de calidad
La carta de control T
2
Si en la ecuacin anterior para Chi-cuadrada se reemplaza por
X y
2
por
2
S tenemos el estadstico T
2
.
) ( )' (
_
1
_
2

X x X x n T
Pgina 35 de 56
Se utilizan 2 fases para el uso de esta carta; la fase 1 es para
establecer control del proceso, probando con los primeros m
subgrupos, aqu se establecen los lmites de control para la fase 2, con
los cuales se monitorea la produccin.
Pgina 36 de 56
Los lmites de control para la fase I son:
1 , ,
1
) 1 )( 1 (
+
+

p m mn p
F
p m mn
n m p
LSC

0 LIC
y para la fase II:
1 , ,
1
) 1 )( 1 (
+
+
+
p m mn p
F
p m mn
n m p
LSC

0 LIC
Es comn usar el Lmite Superior de Control LSC =
2
.2
para ambas
fases, si se usa m20 o 25 los lmites de control coinciden para ambas
fases. Se recomienda tomar siempre m mayor de 20 con ms de 50
muestras.
Ejemplo:
Se desean controlar en forma conjunta las caractersticas de calidad resistencia a
la tensin y el dimetro de una fibra textil. Se ha decidido usar una muestra de 10
fibras (n = 10), se toman 20 muestras preliminares, calculando lo siguiente:
79 . 0 , " 83 . 0 ; 23 . 1 ; " 0106 . 0 ; 59 . 115
2
12
2
2
1
2
2 1

S S S X X
psi psi
Con estos valores se calcula el estadstico T
2
y se va graficando en una carta de
control.
1
]
1
2
__
2
2
__
1
2
__
2
2
1
2
) 06 . 1 ( ) 59 . 115 )( 79 . 0 ( 2 ) 06 . 1 ( 23 . 1 ) 59 . 115 )( 83 . 0 (
79 . 0 ) 83 . 0 )( 23 . 1 (
10
X X X X T
Si se considera un error tipo I = 0.001, el lmite superior de control LSC es:
72 . 13 ) 18 . 17 )( 91 . 1 (
179
342
1 2 20 ) 10 )( 20 (
) 1 10 )( 1 20 ( 2
179 , 2 , 001 . 0 1 2 20 ) 10 ( 20 , 2 , 001 . 0

+

F F LSC
Pgina 37 de 56
13.72
T
2
No muestra puntos fuera de control. Los lmites para la fase II se calculan dando
LSC = 15.16. Si se hubiese utilizado LSC =
2
.2 = 13.816 que est cercano a los
lmites de control de las fases I y II. Nota: El LSC que calcula el Statgraphics no es
correcto.
Uno de los mtodos para identificar que caracterstica se encuentra
fuera de control es llevar cartas
R X
adicionales con lmites de

control en p
Z
2 / para reducir el nmero de falsas alarmas. Otro mtodo
es descomponer el estadstico T
2
en componentes que reflejen la
contribucin de cada variable,
2
) (i
T
es el valor del estadstico para todas
las variables excepto la (i-sima), por tanto:
d
i
= (T
2
-
2
) (i
T
)
Es un indicador de la contribucin relativa de la variable i al
estadstico, cuando se presenta una situacin fuera de control, se
recomienda calcular d
i
para i =1,2 y enfocarse al que tenga el valor
mayor.
Pgina 38 de 56
El caso de n = 1
En industrias qumicas y de proceso, es normal tener una sola muestra
donde medir las diferentes caractersticas, el estadstico T
2
se
transforma en:
) ( )' (
1 2

x x S x x T
Los lmites para la fase II son:
p m p
F
mp m
n m p
LSC

, ,
2
) 1 )( 1 (
0 LIC
Cuando se toman ms de 100 muestras preliminares los lmites
preliminares son::
p m p
F
p m
n m p
LSC

, ,
) 1 )( 1 (
; o LSC =
2
.2
0 LIC
Cartas de control Cusum y EWMA multivariadas
Las cartas tratadas anteriormente no son sensibles a variaciones
pequeas y moderadas en el vector de la media. Las cartas Cusum y
EWMA tienen un mejor desempeo ante estas situaciones y pueden
ser extendidas al caso multivariado.
La carta MEWMA extensin de la EWMA se define como sigue:
1
) 1 (

+
i i i
Z x Z
con
0 ; 1 0
0
< < Z
. La cantidad graficada en la carta de control es:
i Zi i i
Z Z T
1 ' 2
Donde la matriz de covarianza es:
Pgina 39 de 56
[ ]

i
Zi
2
) 1 ( 1
2

anloga a la varianza de la EWMA univariada

Monitoreo de la variabilidad del proceso
As como es importante monitorear el vector de media del proceso
en el caso multivariado, tambin es importante monitorear la
variabilidad del proceso. La variabilidad del proceso es resumida por la
matriz de covarianza p x p . Los elementos de la diagonal principal
de esta matriz son las varianzas de las variables individuales del
proceso y los elementos fuera de la diagonal son las covarianzas. Se
sugieren dos procedimientos:
1. Hacer una extensin de la carta
2
S el estadstico graficado en la
carta de control para la muestra i, es:

+ + ) ( ) / ln( ) (ln
1
i i i
A tr A n n pn pn W
Donde Ai = (n-1)Si, con Si matriz de covarianza de la muestra i y tr es
la traza de la matriz (suma de los elementos de la diagonal principal).
Si Wi sale del lmite de control
2
2 / ) 1 ( . +
p p
LSC

, est fuera de control.

2. Basndose en la varianza generalizada de la muestra
S
con
parmetros de control:
p
i
p
i n
n
b
1
1
) (
) 1 (
1
Pgina 40 de 56
] ) ( ) 2 ( ) (
) 1 (
1
1 1 1
2
2

p
j
p
j
p
i
p
j n j n i n
n
b
) 3 (
2 / 1
2 1
b b LSC +
1
b LC
en la prctica se estima con 1
/ b S
) 3 (
2 / 1
2 1
b b LIC
Ejemplo:
Del ejemplo anterior, se construir una carta de control para la varianza
generalizada, en base a las 20 muestras preliminares, con n = 10, la matriz de
covarianza es:
0 47 . 0 ] ) 4170 . 0 ( 3 8889 . 0 [ 4464 . 0 ) 3 )( / (
26 . 1 ] ) 4170 . 0 ( 3 8889 . 0 [ 4464 . 0 ) 3 )( / (
4464 . 0 8889 . 0 / 3968 . 0 /
70 . 41 ) 8 )( 9 ( ) 10 )( 11 )( 8 )( 9 (
6531
1
8889 . 0 ) 8 )( 9 (
81
1
34968 . 0
83 . 0
79 . 0
79 . 0
23 . 1
2 / 1 2 / 1
2 1 1
2 / 1 2 / 1
2 1 1
1
2
1

+ +

1
]
1
b b b S LIC
b b b S LSC
b S
b
b
S
S
Se calculan los valores de i
S
para cada muestra y se grafican, como se muestra
en la figura de la pgina siguiente:
LSC=1.26
Pgina 41 de 56
0.5
Nmero de muestra
Carta de control para la varianza generalizada de la muestra
Como en casos anteriores, es conveniente llevar una carta de control univariada
adicional para identificar variabilidades individuales.
Pgina 42 de 56
11. DISEO ECONMICO DE CARTAS DE CONTROL
La aplicacin de una carta de control requiere que el ingeniero de
calidad seleccione un tamao de muestra, una frecuencia de
inspeccin o intervalo entre muestras y los lmites de control para la
carta. A la seleccin de estos tres parmetros se le denomina diseo
de la carta de control, lo cual se realiza normalmente de acuerdo a
criterios estadsticos establecidos, sin embargo tambin tiene
consecuencias econmicas como costos de muestreo y prueba,
costos asociados con la investigacin de puntos fuera de control y de
correccin de causas especiales y el costo de que los defectos lleguen
al cliente.
Caractersticas del proceso
Se considera que las causas especiales o asignables se presentan en
intervalos de tiempo que siguen la distribucin de Poisson, implicando
que el tiempo que un proceso permanece en control es una variable
exponencial. Se asume tambin que el proceso no se autocorrige.
Parmetros de costo
Se consideran tres categoras de costos en el diseo econmico de
las cartas de control:
- Costos de muestreo, inspeccin y prueba (fijos y variables por
equipo de prueba, salarios, pruebas destructivas, etc.)
- Costos asociados con la correccin de cualquier causa
especial encontrada
- Costos asociados con el la produccin de partes no
conformes (desperdicios, retrabajos, reemplazo o garantas).
Pgina 43 de 56
Los modelos econmicos se formulan por lo general usando una
funcin de costo total, la cual expresa la relacin entre los parmetros
de diseo de la carta de control y los tres tipos de costo anteriores.
Si E(T) es la duracin de un ciclo que incluye la produccin, monitoreo
por carta de control y ajuste cuando se detecta un punto fuera de
control y E[C) el costo total esperado que se incurra durante un ciclo,
entonces el costo esperado por unidad de tiempo es:
) (
) (
) (
T E
C E
A E

Algunos primeros intentos de diseos econmicos de cartas de control
de Shewhart por el ejemplo la propuesta de Weiler (1952) sugiere que
para la carta
__
X
, el tamao de muestra ptimo que minimiza la
inspeccin total requerida para detectar un corrimiento especfico
desde un estado en control
+ >
0 0 es:

2
0 . 12
n
para lmites de control en t 3.09 sigma
2
1 . 11
n
2
65 . 6
n
2
4 . 4
n
Pgina 44 de 56
Duncan en 1956 propuso un modelo de diseo econmico para la
carta
__
X
, asume que los parmetros:
0
, y son conocidos y que se
deben determinar n, k (dist. LC) y h (horas). Se asume tambin una
distribucin de Poisson de aparicn de causas asignables de
ocurrencias por hora. Cuando la ocurre la causa especial, la
probabilidad de detectarla es 1- (error II) y la probabilidad de una
falsa alarma es . El ciclo consiste de 4 periodos:
1) el periodo en control (1 / );
2) el periodo fuera de control
) 1 /( h
; es el tiempo esperado de
ocurrencia entre causas especiales
) 1 (
) 1 ( 1
h
h
e
e h
3) el tiempo para tomar la muestra e interpretar los resultados; gn y

4) el tiempo para encontrar la causa especial es una constante D.
Por tanto la duracin del ciclo es:
D gn
h
T E + +
+
1
1
) (
La utilidad por hora de operacin en el estado dentro de control es V
0
y
V
1
para fuera de control. El costo de tomar una muestra de tamao n
es
n a a
2 1
+
(costo fijo y variable). El nmero esperado de muestras
tomadas durante un ciclo es la duracin esperada del ciclo dividida por
el intervalo entre muestra o
h T E / ) (
. El costo de hallar una causa
Pgina 45 de 56
especial es 3
a
y el costo de investigarla es
'
3
a
, el nmero esperado de
falsas alarmas durante un ciclo es:
h
h
e
e
1
Por tanto la utilidad neta esperada por ciclo es:
h
T E
n a a
e
e a
a D gn
h
V V C E
h
h
) (
) (
1
)
1
(
1
) (
2 1
'
3
3 1 0
+ +
+ +

De esta forma la utilidad neta por hora esperada es (ver frmulas
anteriores):
) (
) (
) (
T E
C E
A E
Si 1 0 4
V V a
el costo adicional asociado con producir fuera de control,
la ecuacin anterior queda como:
) ( ) (
0
L E V A E
[ ]
D gn h
e e a a D gn h a
h
n a a
L E
h h
+ + +
+ + + +
+
+

) 1 /( / 1
) 1 /( ) 1 /(
) (
'
3 3 4 2 1

E(L) es la prdida esperada por hora incurrida por el proceso,
maximizar la utilidad neta equivale a minimizar E(L) lo cual se hace por
mtodos numricos.
Pgina 46 de 56
Ejemplo:
Para un fabricante de botellas, el costo fijo de tomar una muestra es $1 y el costo
variable $0.10 por botella, tomando un minuto (0.0167 h) para medir y anotar el
espesor de pared de la botella. Normalmente cuando el proceso sale de control
con corrimientos de 2, con una periodicidad de aprox. Uno por cada 20 h de
operacin, as la distribucin de Posisson con = 0.05 es un buen modelo para el
ARL en control. El tiempo necesario para investigar una anormalidad es de 1 h, el
costo de eliminacin de una causa especial es de $25 mientras que el costo de
una falsa alarma es de $50. De acuerdo a registros, el costo de operar fuera de
control es de $100 por hora.
Datos:
. 0 . 1 0167 . 0 , 0 . 2 ; 05 . 0 ; 100 $ ; 50 $ ; 25 $ ; 1 . 0 $ ; 1 $
4
'
3 3 2 1
yD g a a a a a
La solucin ptima se encontr en el rengln 5 de la tabla siguiente 8.38.
Se us un progrfama de computadora para calcular el ancho de lmites de control
k, y frecuecnia de muestreo h para varios valores de n, calculando el valor de la
funcin de costo. Se observa de la tabla que el costo mnimo es $8.38 por hora y
la carta X-R debe usar muestras de tamao 5, los lmites de control deben estar
localizados en tk o sea en t2.99 tomando las muestra en intervalos de h=0.76
h (45min.). El riesgo es de 0.0028 y la potencia de la prueba es (1 - ) es de
0.9308.
Despus de operar la carta, el fabricante se dio cuenta de que probablemente se
estim mal el costo de producir fuera de control a ser
150 $
4
a
afecta a la
frecuencia ptima de muestreo de 0.76 h (45 min.) antes a 0.62 h (37 min.) ahora.
basndose en esto, el fabricante adopt una frecuencia de 45 min. Otras variantes
al problema tambin se muestran a continuacin:
Resumen
1. El tamao de muestra ptimo depende mucho de la magnitud del
corrimiento . Si se encuentra entre 1 2, n se encontrar entre 10
20. Para <=0.5 requiere tamaos de muestra n mayores a 40.
Ver tabla 8.40
2. El costo de penalizacin por producir fuera de control 4
a
afecta el
intervalo entre muestras h de manera inversa. Ver tabla 8.38 y 8.39.
Pgina 47 de 56
3. Los costos asociados con la bsqueda de causas especiales,
afecta principalmente el ancho de los lmites de control, mientras se
incrementa el costo de investigacin de causas fuera de control,
queremos que las falsas alarmas sean mnimas. Ver tabla 8.41
4. La variacin en costo de muestreo, afecta los tres parmetros de
diseo. Ver tabla 8.42 y 8.43.
5. Cambios en el nmero medio de ocurrencias de la causa especial
pro hora, afecta en principio el intervalo entre muestras. Ver tabla
8.44.
6. El diseo ptimo econmico es relativamente insensible al estimado
de los coeficientes de costo. Ver tablas 8.38 a 8.44.
7. Se debe tener cuidado con el diseo arbitrario de las cartas de
control, Duncan ha encontrado grandes variaciones en costo al
comparar contra el diseo arbitrario n = 5; k = 3; y h = 1, para varios
conjuntos de parmetros.
Realmente muy pocos han implantado modelos de diseo econmicos
para las cartas de control, primero porque los modelos son
relativamente complejos y la forma de presentarlos en forma difcil de
entender y usar; segundo porque es difcil estimar costos y otros
parmetros del modelo. Un anlisis de sensibilidad puede ayudar. Se
sugiere aplicar estos mtodos a los artculos costosos tipo A en el
inventario.
Pgina 48 de 56
12. CEP PARA DATOS DE PROCESOS CORRELACIONADOS
En algunos procesos donde por cuestiones de inercia de cambio en
parmetros como en los procesos qumicos, cuando los intervalos
entre muestreos son pequeos en relacin a esas fuerzas, las
observaciones del proceso estarn correlacionadas en el tiempo
W
t
Tanque con volumen V y flujos de entrada y de salida
X
t
Si se toman muestras en intervalos t, entoces observamos las x
t
:
T t
t t t
e a
flujo f volumen V f V T
x a aw x
/
1
1
; ; /
) 1 (

+
.
La autocorrelacin entre valores sucesivos de x
t
(x
t
y x
t-1
) est dado
por:
T t
e a
/
1

Si t es mucho ms grande que T, = 0, por ser las observaciones
no correlacionadas.
Pgina 49 de 56
Ejemplo: Calcular para el caso de t/T<=1. 0.5, 0.25, 0.1.
Cuando t/T<= 0.25 la autocorrelacin puede incrementar las falsas
alarmas de la carta de control. Por ejemplo para la viscocidad se tiene:
X
i
Viscocidad en tiempo t (Xt)
*
* *
* * Correlacin positiva
* **
* *
Viscocidad en tiempo t-1 (Xt-1)
La funcin de autocorrelacin para la serie de datos de serie de
tiempo es:
,.... 1 , 0 ,
) (
) , (
_

k
x V
x x x Cov
t
k i t
k
Se considera que Cov es la covarianza de las observaciones que

estn separadas k periodos, asumiendo que las observaciones tienen
una varianza constante dada por V(x
t
). Normalmente la funcin de
autocorrelacin de la muestra se estima con:
Pgina 50 de 56
K k
x x
x x x x
r
n
t
t
k n
i
k t t
k
,.... 1 , 0 ,
) (
) )( (
1
2
_
1
_ _
Como regla general, es necesario calcular valores de k

r
Para algunos valores de k, k<=n/4, se pueden calcular por software.
Una grfica que muestra r
k
, retrazo en k, puede mostrar la funcin de
autocorrelacin, si una barra excede los lmites de control, se identifica
que existe correlacin.
Pgina 51 de 56
Esquemas adaptativos
Un CEP con procedimiento adaptativo es aquel donde puede variar el
intervalo de muestreo o el tamao de muestra o ambos. En trminos
generales se divide en zonas, el rea entre los lmites de control como
sigue:
LSC w LC w LIC
Si el estadstico muestral cae entre las ws, se continua utilizando el
mtodo estndar de muestreo, de otra forma recorta el tiempo de
muestro y/o se toman ms muestras.
Seleccin del valor meta ptimo para un proceso
Si x es el valor observado de la caracterstica de calidad ( peso o
volumen) y T es el LIE (lmite inferior de especificacin) ms un para
llegar a la meta del proceso. Si el precio de venta del producto bueno
es a y de un producto defectivo es r, y g es el costo en exceso de
calidad por unidad de un artculo bueno (por ejemplo g es el costo por
onza para el exceso de producto sobre 12 onzas mnimo
especificado). Asumiendo normalidad, se tiene que el nivel ptimo de
llenado es
r a
g
:
Ejemplo:
El volumne nominla de un bote de refresco es de 12 fl. Oz. Su costo es de $0.01/fl
oz., el precio de venta es de $0.20, los botes semillenos se venden en $0.10.
Despus de llevar cartas X-R, dio una R media de 0.15, por tanto:
Pgina 52 de 56
0645 . 0
326 . 2
15 . 0
2
__

d
R
el volumen ptimo de llenado es:

0065 . 0
10 . 0 20 . 0
) 0645 . 0 )( 01 . 0 (
r a
g
Con este valor de absisa se encuentra el valor de la ordenada en:
1838 . 0 85 . 2
*

Por tanto el llenado ptimo estar en 12 fl oz. + 0.1838 = 12.1838 fl.
Oz.
Notar que hay una correlacin fuerte positiva con k =1 (r1 = 0.88), lo
cual distorsiona la carta de Shewhart ya que incrementa la frecuencia
de falsas alarmas.
Un modelo que remueve la autocorrelacin de los datos aplicando las
cartas de control a los residuos es :
t t t
x x + +
1 .
Donde y con valor entre (-1,1) son constantes desconocidas y
t
es
normalmente distribuido con media cero y desviacin estndar . Al
modelo se le denomina modelo auto regresivo de primer orden
La observacin x
t
de tal modelo tiene una media de / (1 - ) y
desviacin estndar de / (1 -
2
)
1/2

Pgina 53 de 56
Las observaciones que se encuentran separadas k periodos (x
t
- x
t-k
)
tienen un coeficiente de correlacin
k
la cual debe decaer en forma
exponencial.
Suponiendo que
^
es un estimado de , obtenido del anlisis de la

muestra del proceso y
^
x
es un valor ajustado de t
x
entonces los
residuos
t
son aproximadamente distribuidos normalmente con media
cero y varianza constante, se pueden aplicar cartas de control a la
secuencia de residuos con sus reglas:
e
t
= t
x
-
^
x
Los parmetros del modelo autoregresivo pueden estimarse por
mnimos cuadrados escogiendo las cosntantes que minimizen la suma
de los errores
t
; el modelo para la viscocidad es:
1 .
^
847 . 0 04 . 13

+
t
t x x
En la fig. 8.28 se muestra una carta de control para los residuos, notar
que no se muestran puntos fuera de control, en contraste con la
grfica de la figura 8.13, por tanto se puede concluir que el proceso
est en control estadstico.
Pgina 54 de 56
Otro modelo llamado modelo de media mvil de primer orden donde
la estructura correlativa se extiende slo un periodo hacia atrs, es el
que muestra dependencia respecto a los errores anteriores o sea:
t t t
x +
1 .
En este modelo la correlacin entre (x
t
- x
t-k
) es
1
= - / (1 +
2
) y es
cero para otros valores de k retrasos.
Se pueden combinar los modelos anteriores dando un modelo
mezclado o sea:
1 1 .
+ +
t t t t
x x
Es utilizado en la industria qumica y de procesos.
Los modelos anteriores son estudiados por Box y Jenkins
denominados ARIMA para procesos estacionarios.
Uso de la carta EWMA con datos correlacionados
Esta carta se puede utilizar bajo ciertas condiciones con datros
correlacionados, aqu
1
es ptima para un proceso de un paso
adelante.
1
1
^
) 1 ( ; ) (

+ +
t t t t
t z x z z t x
Pgina 55 de 56
La secuencia de errores un paso adelante son:
e
t
= t
x
-
^
x
t
(t-1) independiente e idnticamente distribuido con media
cero
La carta EWMA de los residuos e
t
o errores de prediccin, debe estar
acompaada de los datos de las observaciones originales,
superponiendo los valores de prediccin de la EWMA. En el caso de la
viscocidad los mnimos errores de prediccin cuadrados ocurren en
= 0.825, se observa en la figura 8.18 que el proceso se encuentra en
control.
Tambin se puede formar una carta EWMA con lnea central mvil
comparando el valor de 1 + t
x
con los lmites de control mviles:
3
1
+
+ t t
z LSC
3
1

+ t t
z LIC
En muchos casos ser preferible una carta de control de residuos y
una EWMA para combinar la informacin.
Pgina 56 de 56

Control Avanzado Procesos

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Control Avanzado Procesos

Uploaded by

Copyright:

Available Formats

CONTROL AVANZADO DE PROCESOS P. Reyes/ Sept..

En el ejemplo, en el periodo 29 con C

Por tanto los lmites de control de z

La lnea central para la carta

CARTAS DE CONTROL p USANDO SUBMUESTRA VARIABLE

LIEsp. |--- 6 ---| LSEsp.

es el punto superior 100(1-) de la distribucin normal, si se

CONTROL AVANZADO DE PROCESOS P. Reyes/ Sept.. 2007

medias de las piezas Distribucin de x

correspondientes a cada muestra, en una carta de control,

adicionales con lmites de

anloga a la varianza de la EWMA univariada

, est fuera de control.

3) el tiempo para tomar la muestra e interpretar los resultados; gn y

Se considera que Cov es la covarianza de las observaciones que

Como regla general, es necesario calcular valores de k

el volumen ptimo de llenado es:

es un estimado de , obtenido del anlisis de la

You might also like