Professional Documents
Culture Documents
Grupo: 50
Presentan Alfonso Luis Navarro Ortega Cdula: 72193.869 Eduard Alfonso Cabarcas Morales Cdula: 72153.989 Andrs Alberto Trespalacios Cdula: 72.176.952
Juan Blanco Castellar Cdula: 72235.623 Tirone Alberto Pallares Cdula: 72163.862 TUTOR ANDREA ISABEL BARRERA SIABATO Curso 302582_ MAYO DE 2012
A Y A DISTANCIA UNAD
dula: 72235.623
Cdula: 72163.862
INTRODUCCIN En el presente trabajo veremos la aplicacin de las diferentes tcnicas estadsticas para el CONTROL DE CALIDAD, como: control estadstico de la calidad muestreo de aceptacin lote a lote por atributos y Costos de calidad, que estn basado en los estudios realizados en el primer trabajo colaborativo y que afianzan los conocimientos obtenidos y le dan una secuencia lgica al curso.
GRAFICAS DE CONTROL X
La medicion de los diametros de las flores en las cabeceras en las fabricacion de camas nos arroja una investig Diametros flores cabeceras muestras 1 2 3 4 5 6 7 8 9 10 ARTI1 5.67 5.91 5.52 5.6 5.55 5.39 5.79 5.67 5.51 5.66 ARTI2 5.5 5.58 5.66 5.76 5.78 5.65 5.61 5.59 5.51 5.64 ARTI3 5.58 5.61 5.68 5.55 5.68 5.63 5.59 5.59 5.65 5.65 ARTI4 5.48 5.59 5.69 5.58 5.45 5.57 5.7 5.48 5.55 5.66 suma R Ls-Li l.C.S L.C.I y l.C.S. = Xmedia+A2*Rmedia L.C.S= Xmedia-A2*Rmedia X l.C.S. = D4*R L.C.S= D3*R L.C.S L.C.I. 0.446027 0.055973 5.586 5.626 5.586 5.612 5.628 5.57 5.64 5.588 5.574 5.634 , A2 5.681708 5.527092 ARTI5 5.7 5.44 5.38 5.57 5.68 5.61 5.51 5.61 5.65 5.56
Xmedia R media
5.6044 0.251
5.52
X 5.586 5.626 5.586 5.612 5.628 5.57 5.64 5.588 5.574 5.634 56.044 0.308
R 0.22 0.47 0.31 0.21 0.33 0.26 0.28 0.19 0.14 0.1 2.51
sumatoria dex^2 156.0557 158.3783 156.0889 157.5014 158.4382 155.1685 159.0944 156.1476 155.3677 158.7169
0.007744 0.023784 0.014384 0.005736 0.013256 0.0088 0.00928 0.003776 0.004064 0.001424 promedio
sx 0.098386991 0.172423896 0.134089522 0.084675853 0.128724512 0.104880885 0.107703296 0.068702256 0.071274119 0.042190046 0.101305138
D4 D3
1.777 0.223
x 1 2 3 4 5 6 7 8 9 10 ,
5.90831541 5.30048459
5.52 1 2 3 4 5 6 7 8 9 10 MUESTRAS
En la produccion de flores para cabeceras se N Sp^2 Sp 1-p p L.C.S.=p+3 Sp L.C.I = p -3Sp 0.00027849 0.01668797 0.8328 0.1672 0.21726391 0.11713609 10000 500
GRFICO DE CONTROL P
FRACCION DEFECTUOSA 0.25 0.2 0.15
fraccion defectuosa
GRAFICOS NP
EL DATO ES PIEZAS DEFECTUOSAS
TAMAO DE LA MUESTRA ES CONSTANTE EN ESTE CASO ES 100 FORMULAS P=(n*P)/n cl lcs lci 0.005
Donde, n: tamao de la muestra (constante); d: nmero de piezas defectuosas en cada muestra; p: proporcin de piezas defectuosas por muestra ( p = d / n ). muestras n d p 1 100 6 0.06
Para la construccin del grfico es preciso conocer: la media de las proporcione, el nmero medio, los valores de LSC, los valores de LIC. La media de las proporcione
P=(1/8)*(0,06+0,02+0,03+0,07++0,02) 0.045
P NP LCS LCI
P = media de las proporciones m = nmero de muestras Sumatoria de las proporciones Nmero medio: NP = P x n NP = nmero medio; n = tamao de la muestra ( n = 100 ) NP=0,045*100 NP= 4.5 DEFECTUOSAS 12 10 8 6 4 2 0 1
LSC= 4,5+ {3*(4,5*(1-0,045))^(!/2))} LCS (1-P) np*(1-p) raiz cuadrada LCS 10.71912373 0.955 4.2975 2.073041244 10.71912373
Como el lmite inferior de control no puede ser un nmero negativo, se asume como LIC el menor valor posible, LIC = 0.
n de flores para cabeceras se toma al azar una muestra de 500 flores de la produccion de flores diariamentey se inspecciona durante 20 d inspeccion 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 suma N de art defectuoso fraccion defectuosa 40 0.08 90 0.18 80 0.16 100 0.2 50 0.1 75 0.15 110 0.22 70 0.14 95 0.19 110 0.22 80 0.16 90 0.18 65 0.13 100 0.2 85 0.17 93 0.186 100 0.2 80 0.16 75 0.15 84 0.168 1672
fraccion defectuosa
2 100 2 0.02
3 100 3 0.03
4 100 7 0.07
5 100 8 0.08
6 100 3 0.03
7 100 5 0.05
0,02+0,03+0,07++0,02)
DEFECTUOSAS 6 2 3 7 8 3 5 2
LCI 0 0 0 0 0 0 0 0
GRAFICO NP
MUESTRAS
n
300 300 300 300 300 300 300
c
5 5 5 5 5 5 5
np
2 2.6 4.4 5.6 7.8 10.4 12
p
0.00666667 0.00866667 0.01466667 0.01866667 0.026 0.03466667 0.04
pa
0.983 0.951 0.72 0.512 0.21 0.05 0.02
TABLA 3,2 extracto de una tabla de plan de muestreo convencional para alfa = 0,05 y bet
C
0 1 2 3 4 5 6 7 8 9
LTPD/AQL n * AQL
44.89 10.946 6.509 4.89 4.057 3.549 3.206 2.957 2.768 2.618 0.052 0.355 0.818 1.366 1.97 2.613 3.286 3.981 4.695 5.426
equivalente o ligeramente superior a sta este valor de 6,509, que se asocia con c Tercero. Se determina el valor en la colu 2, y se divide esa cantidad por AQL para se aproxima a 82 Cuarto. Se obtiene que el plan de mues
rimero. Se divide LTPD en AQL lo cual da como resultado (0.06 / 0.01 = 6). egundo. Se determina la relacin en la columna de tal forma que sea
quivalente o ligeramente superior a sta cantidad, como es el caso de 6, siendo ste valor de 6,509, que se asocia con c = 2. ercero. Se determina el valor en la columna que est en la misma fila de de c = , y se divide esa cantidad por AQL para obtener n; es decir, (0,818 / 0.01 =81,8) e aproxima a 82 Cuarto. Se obtiene que el plan de muestreo es c = 2 y n = 82, tal como puede
Se desea disear un plan de muestreo simple "mas" de tal forma que la curva oc pase por los siguientes puntos P (1)={alfa= 0,05 , AQL= 0,01; P(2)= LTPD = 6% y beta= 10%. AQL = 1%, alfa = 5%, LTPD = 6% y beta= 10%.
se requiere que se encuentre el tamao de la muestra"n" propicia para estos valores y la cantidad de articulos d 0.1 10 Paso 1. Se tabula los valores de (PD x n) / 100 para: Pa = (1 -alfa) = 95% y Pa = = 10% para cada valor de c a partir de la grfica Thorndike. Por ejemplo, para Pa = 95% y c = 1, lea (PD x n) / 100 = 0.36 y para Pa = 10% y c = 1, lea (PD x n) / 100 = 3.90. Se hace lo mismo como en los diversos valores de c en las columnas correspondientes. Tal como aparece en la Tabla 3.2.
Paso 2. Se calcula la relacin de la columna de LTPD con la columna AQL para cada uno de los valores de c, como en la columna LTPD / AQL de la Tabla 3.2. 0.99 Para el plan deseado se busca en la columna LTPD / AQL la relacin 6/1 =6 6, dado que para el plan deseado LTPD = 6% y AQL = 1%. Esta relacin de 6 cae entre 6.63 para c = 2 y 4.96 para = 3.
Paso 3. Se hallan los tamaos de muestra como en la Tabla 3.3., decidiendo si se mantiene a fija alfay se deja variar beta o viceversa. manteniendo fija alfa Si, por ejemplo, se establece c = 2 y se mantiene en 5%, entonces PD x n / 100 = AQL x n / 100 = 0,80 y puede resolverse para la muestra de tamao n (PD*n/100) =(AQL*n/100) n= 0,80=(1^n)/100
80
3978
Paso 4. Se revisa el valor resultante del riesgo flotante. Usando la grfica Thorndike, para el plan 1, ingresar los valores de c = 2 y PD x LTPD X n / 100 = 6 x 663 / 100 = 3978 y leer el valor real de beta = 10.5%.
cidiendo si se
0.92
LCI 0 0 0 0 0 0 0 0
cp cp=(lcs-lci)/(6S) cp
1 0 2 4 6 8 10
si observamos el proceso de los diametros de las flores de la cabecera de las camas fraccion defectuosa 0.08 0.18 0.16 0.2 0.1 0.15 0.22 0.14 0.19 0.22 0.16 0.18 0.13 0.2 0.17 0.186 0.2 0.16 0.15 L.C.S.=p+3 Sp L.C.I = p -3Sp cp=(lcs-lci)/(6S) 0.21726391 0.11713609
cp
0.46002612
como lacp no dio un valor a1.33 esto quiere decir que el proceso n
S xmedia
Cpk < 1: Proceso fuera de control; parte de su variacin calculada a 3s (3s), est fuera de las especificaciones, en el lado del lmite superior de especificacin.
p=(lcs-lci)/(6S) 0.76677025
10
12
quiere decir que el proceso no se encuentrsa controladoy que la desviacion estandar no se encuentraentre el limite de especificaciones y la