UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

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

Ortega Cdula: 72193.869

as Morales Cdula: 72153.989

cios Cdula: 72.176.952

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

para xmedia+ 3sx . sx= sx= (((sumatoria x^2)/(n))-(xmedia)^2) MEDIAS

5.66 5.64 5.62 5.6 5.58 5.56 5.54 5.52

5.52

acion de camas nos arroja una investigacin los siguientes datos

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 ,

lcs= x media+ 3sx lci= x media - 3sx

5.90831541 5.30048459

GRAFICO DE CONTROL X-S

5.66 5.64 5.62 5.6 5.58 5.56 5.54 5.52
y

5.52 1 2 3 4 5 6 7 8 9 10 MUESTRAS

1.2 Grafico de Control por atributos (n, np)

2.4.1. Grficos de control p

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

sp=raiz de(p*(1-p)/n) sp^2 sp 0.000278488 0.016687969

GRFICO DE CONTROL P
FRACCION DEFECTUOSA 0.25 0.2 0.15
fraccion defectuosa

0.1 0.05 0 dis de trabajo DIAS DE TRABAJO

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

np=np/k np+3np(1-P) np-3np(1-P)

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

0.045 4.5 10.7191237 0

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

Limite Superior de Control

LSC = Limite Superior de Control NP = Nmero medio P = Medias de las proporciones

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

LSI= 4,5- {3*(4,5*(1-0,045))^(!/2))} LCI -1.719123732 LCI -1.719123732

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

LCS 10.71912373 10.71912373 10.71912373 10.71912373 10.71912373 10.71912373 10.71912373 10.71912373

LCI 0 0 0 0 0 0 0 0

NP 4.5 4.5 4.5 4.5 4.5 4.5 4.5 4.5

GRAFICO NP

DEFECTUOSAS LCS LCI NP

MUESTRAS

o LIC el menor valor posible, por tanto

mentey se inspecciona durante 20 dias teniendo en cuenta los siguientes datos

8 sumatoria 100 800 2 36 0.02 0.36

Curvas de caractersticas operativas (CO)

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

CURVA CARACTERISTICA OPERATIVA (CO)

1.2 1 0.8 PA 0.6 0.4 0.2 0 1 2 3 4 P` 5 6 7
Series1

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

Primero. Se divide LTPD en AQL lo cua Segundo. Se determina la relacin en la

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

plan de muestreo para : AQL LTPD alfa beta n c

0.01 0.06 0.05 0.1 82 2 80 primero segundo tercero cuarto 6 6.509 81.8 c=2 y n=82

reo convencional para alfa = 0,05 y beta = 0,10

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

diseo de un plan de muestreo por variables y atributos

DISEO DEL PLAN DE MUESTREO

Para especificar un plan debe determinarse el tamao de la muestra n y el nmero de aceptacin c nicos que produzcan una curva CO que se aproxime a la especificada por los cuatro valores, AQL, a, LTPD y . Esto puede lograrse consultando tablas , usando la grfica Thorndike o utilizando distribucion binomial, pisson, hipergeometrica..

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%.

binomial, pisson, hipergeometrica..

curva oc pase por los siguientes puntos

stos valores y la cantidad de articulos defectuosos "c"

cidiendo si se

0.92

capacidad o habilidad del proceso (cp,cpk)

si tomamos los datos de la grafica np entonces tenemos que DEFECTUOSAS 6 2 3 7 8 3 5 2 S 2.32992949
7 5

LCS 10.71912373 10.71912373 10.71912373 10.71912373 10.71912373 10.71912373 10.71912373 10.71912373

LCI 0 0 0 0 0 0 0 0

cp cp=(lcs-lci)/(6S) cp

1 0 2 4 6 8 10

esta grafica no va es solo para comprobar

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

0.168 0.036276134 0.1672

HABILIDADES DEL PROCESO Zsup(=LCS-Xmedia)/(S) Zsup Zinf=(Xmedia-LCI)/(s) Zinf 1.380078347 1.380078347

Cpk=Zmin/3 Cpk 0.460026116

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

cp LCI LCS DEFECTUOSAS

10

12

quiere decir que el proceso no se encuentrsa controladoy que la desviacion estandar no se encuentraentre el limite de especificaciones y la

aentre el limite de especificaciones y la arila de la curva del proceso real