Professional Documents
Culture Documents
3.1 Definicin
Un grfico de control es un grfico sobre el que se hace corresponder un
punto a cada valor de un estadstico calculado a partir de muestra sucesivas
extradas de un proceso de fabricacin.
Cada uno de estos puntos tiene por abscisa el nmero de muestra ( o el
da y hora de obtencin) y por ordenada el valor del estadstico calculado
con dicha muestra.
El grfico contiene tambin una lnea central que representa el valor medio de la estadstica representada cuando el proceso est bajo control es31
Observaciones
20
LCS
15
Linea Central
10
LCI
0
10
20
30
40
50
60
70
80
Sample Number
32
Las observaciones suelen corresponder a mediciones realizadas sobre muestras de artculos: valores medios, desviaciones tpicas, rango, etc; aunque
tambin existen grficos realizados sobre observaciones individuales. Estas
mediciones se realizan a lo largo del tiempo, por lo que el grfico es una evolucin temporal de la calidad. Los puntos representados se unen por lneas
para visualizarlo mejor.
A pesar de su aparente simplicidad, la interpretacin del grfico de control ha de ser hecha con cierta cautela. Como veremos ms adelante, incluso si todos los puntos estn dentro de los lmites de control, es posible que el
proceso est fuera de control.
En ocasiones, se aaden lmites de aviso o de alerta a los lmites de control.
En el caso de que el estadstico se encuentre entre los lmites de aviso y los
de control, se suele reforzar el control del proceso.
Los grficos de control pueden dar indicios sobre las causas del problema. La inspeccin por parte de especialistas en el proceso y en el uso
del grfico puede aportar informacin sobre el tipo o causa del problema que puede estar ocasionando la salida de control (tendencia,
comportamiento cclico, etc..)
Los grficos de control permiten medir la capacidad o aptitud de un
proceso. Nos permiten estimar la tendencia central y la variabilidad de
la caracterstica de calidad estudiada, de forma que podemos estimar
la aptitud del proceso para satisfacer unos requerimientos u otros.
Los grficos de control son una herramienta simple de utilizar por todos
y provee un lenguaje comn para representar un proceso.
(3.1)
es decir:
La caracterstica de inters sigue una distribucin Normal de media y
desviacin tpica .
35
(3.2)
(3.3)
3.7.3
Lmites de aviso
3.7.4
39
i = 1, . . . , t 1
N (1 = 0 + c, ) i.i.d.
i = t, t + 1, . . .
(3.4)
(3.5)
Probabilidad
k=2,5
k=2
0,5
0,0
0
3.8.1
Curva Caracterstica
41
= P (k c < Z < k c)
(3.6)
(3.7)
3.8.2
El ARL(c) (average run length) es el tiempo medio (nmero medio de puntos representados en el grfico) necesario para obtener un punto fuera de
los lmites de control cuando una variacin de c unidades se da de forma
continuada en la media de la caracterstica de calidad controlada.
Esta medida es bastante utilizada a la hora de comparar diferentes grficos de control y para medir la sensibilidad.
42
1
1
=
1 OC(c)
1 P (LCI < X < LCS| = 0 + c)
(3.8)
X
i=1
iP (Y = i) =
i(OC(c))i1 (1 OC(c)) =
i=1
1
= ARL(c)
1 OC(c)
ARL(c)
c = 0.0
370
c = 0.5
156
c = 1.0
44
c = 1.5
15
c = 2.0
c = 2.5
c = 3.0
3.9.1
Test de Inestabilidad
Los tests de inestabilidad consisten en la deteccin de patrones en los grficos que sean muy poco probables si el proceso est bajo control. La mayora
de los programas informticos los incluye. Para detectarlos se dividen las dos
reas alrededor del lmite central en tres zonas iguales: A, B, C (ver grfico
3.3). Cada lnea corresponder, entonces, a una desviacin tpica.
Existen un total de ocho patrones, propuestos inicialmente por los ingenieros de la Western Electric. Si se detecta la presencia de alguno de ellos se ha
de considerar la posibilidad de que sea debido a alguna causa asignable.
Estos patrones son los siguientes:
44
3,0SL=17,80
Individual Value
Zona A
2,0SL=16,17
Zona B
1,0SL=14,54
Zona C
13
X=12,90
-1,0SL=11,27
Zona B
-2,0SL=9,641
Zona A
-3,0SL=8,008
8
0
10
20
30
40
Observation Number
que vale por ejemplo 0.04 si m = 8 y cada i = 0.005. Evidentemente esta frmula no es totalmente precisa, pues estaramos asumiendo que las m reglas
son independientes, caso que no es cierto, pero nos ayudan a entender el
aumento de riesgo referente a falsas alarmas.
46
3.10
3.10.1
N
1 X
= x =
Xi = 13.86 y
N i=1
= sN 1
v
u
u
=t
1 X
2 = 1.98
(Xi X)
N 1 i=1
Valores individuales
20
3,0SL=19,80
15
X=13,86
10
-3,0SL=7,920
0
10
20
30
40
50
60
70
80
Sample Number
Figura 3.4: Grfico de control de las observaciones individuales (lineas calculadas con la muestra total)
Qu conclusiones sacamos?
No hay ningn punto ms all de los lmites de control.
la regla 2 (nueve puntos consecutivos en un mismo lado de la lc) se
cumple en los puntos 27, 28 y 29.
la regla 6 (4 de 5 puntos consecutivos ms all de la lnea de 1 en el
mismo lado) se cumple en los puntos 37, 69 y 71.
48
Valores individuales
20
3,0SL=19,80
6
6
15
X=13,86
22
6
10
2
-3,0SL=7,920
0
10
20
30
40
50
60
70
80
Sample Number
Figura 3.5: Grfico de control de las observaciones individuales (lneas calculadas con la muestra total) y reglas de sensibilizacin marcadas
3.10.2
s39 = 1, 82
Individual Value
3,0SL=18,37
15
X=12,91
10
-3,0SL=7,450
0
10
20
30
40
50
60
70
80
Observation Number
Figura 3.6: Grfico de control de las observaciones individuales (lineas calculadas con la primera mitad de la muestra total)
Esto nos indica por una lado que los 40 primeras observaciones parecen
provenir de un proceso bajo control y que es costoso detectar la variacin
ligera/moderada de la media (variacin de 1.1). Si nos limitamos a la regla
1, debemos esperar hasta la observacin 67 (27 observaciones despus de
que se ha producido la variacin) o si hemos incorporado todos los test de
inestabilidad, hasta la observacin 50 (10 despus de producirse el cambio
en la media del proceso).
Este ejemplo ilustra la lentitud de este tipo de grficos de control para reaccionar cuando se produce una variacin ligera o moderada de la media.
50
Si observamos el valor que indica el ARL(1), que es 44, todava podamos haber tenido que esperar ms para detectar un punto fuera de los lmites de
control.
Tambin podemos sacar la misma conclusin ante la grfica de eficacia
(curva caracterstica) de este modelo con sus valores reales 0 = 13, = 1.8 y
k = 3 o con c = 1.1 en el grfico 3.2.
51