You are on page 1of 55

EJEMPLO DE CLASE

CONTROL ESTADSTICO DE LA
CALIDAD

Abril de 2014
Control del proceso: atributos y variables

Teorema del lmite central


Grficas de
Determinacin de los lmites de
control
la grfica de la media (Grfica X)
para Determinacin de los lmites de
variables la grfica de rango (Grfica R)

Grficas de Grfica p
control por
atributos Grfica c
GRFICAS DE CONTROL POR
VARIABLES

Ejemplo 1

Grfica X
Calculando la desviacin
estndar
Para Grfica x cuando se conoce s
Lmite superior de control (LSC) = x + zsx

Lmite inferior de control (LIC) = x - zsx


Donde x = media de las medias muestrales o el valor
meta establecido en el proceso
z = nmero de desviaciones estndar
sx = desviacin estndar de las medias
muestrales = s/ n
s = desviacin estndar de la poblacin
n = tamao de la muestra
Ejemplo 1 Cajas de Avena
Los pesos de las cajas de hojuelas de avena incluidas
dentro de un lote de produccin grande se muestrean
cada hora. Los administradores quieren establecer lmites
de control que incluyan el 99.73% de las medias
muestrales.

Se seleccionar y pesan en onzas de manera aleatoria


nueve cajas cada hora. A continuacin se presentan los
datos de las nueve cajas seleccionadas en la primera
hora. La desviacin estndar es de 3

Tomado y adaptado del libro de Texto Principios de Administracin de Operaciones


Heizer,y Render, Sptima edicin
MEDICIN DE LAS VARIABLES
Muestra 1 2 3 4 5 6 7 8 9
1 16.10 16.30 16.00 16.20 16.10 15.90 16.00 16.30 16.00
2 16.80 16.90 16.70 16.30 17.00 16.80 16.90 17.00 16.80
3 15.00 15.90 15.80 15.70 15.80 15.70 15.30 15.20 15.10
4 16.80 16.50 16.80 16.80 16.80 16.20 16.50 16.10 16.00
5 16.10 16.80 16.80 16.50 16.80 16.20 16.50 16.80 16.00
6 16.20 16.30 16.50 16.90 16.80 16.30 16.50 16.10 16.00
7 15.20 15.40 15.40 15.20 15.00 15.00 15.30 15.20 15.10
8 16.90 16.30 16.30 16.40 16.80 16.30 16.50 16.10 16.00
9 16.40 16.30 16.50 16.20 16.30 16.30 16.50 16.20 16.00
10 14.70 14.80 14.70 14.90 14.70 14.90 14.90 14.90 14.70
11 14.20 14.40 14.40 14.20 14.00 14.00 14.30 14.20 14.10
12 17.40 17.30 17.50 17.20 17.30 17.30 17.50 17.20 17.00
MEDICIN DE LAS VARIABLES
Muestra 1 2 3 4 5 6 7 8 9 x
1 16.10 16.30 16.00 16.20 16.10 15.90 16.00 16.30 16.00 16.10
2 16.80 16.90 16.70 16.30 17.00 16.80 16.90 17.00 16.80
Se saca el promedio
3 15.00 15.90 15.80 15.70 15.80 15.70una
de cada 15.30 15.20
de las 15.10
4 16.80 16.50 16.80 16.80 16.80observaciones
16.20 16.50 16.10 16.00
realizadas
5 16.10 16.80 16.80 16.50 16.80 16.20 16.50 16.80 16.00
6 16.20 16.30 16.50 16.90 16.80 16.30 16.50 16.10 16.00
7 15.20 15.40 15.40 15.20 15.00 15.00 15.30 15.20 15.10
8 16.90 16.30 16.30 16.40 16.80 16.30 16.50 16.10 16.00
9 16.40 16.30 16.50 16.20 16.30 16.30 16.50 16.20 16.00
10 14.70 14.80 14.70 14.90 14.70 14.90 14.90 14.90 14.70
11 14.20 14.40 14.40 14.20 14.00 14.00 14.30 14.20 14.10
12 17.40 17.30 17.50 17.20 17.30 17.30 17.50 17.20 17.00
MEDICIN DE LAS VARIABLES
Muestra 1 2 3 4 5 6 7 8 9 x
1 16.10 16.30 16.00 16.20 16.10 15.90 16.00 16.30 16.00 16.10
2 16.80 16.90 16.70 16.30 17.00 16.80 16.90 17.00 16.80 16.80
3 15.00 15.90 15.80 15.70 15.80 15.70 15.30 15.20 15.10 15.50
4 16.80 16.50 16.80 16.80 16.80 16.20 16.50 16.10 16.00 16.50
5 16.10 16.80 16.80 16.50 16.80 16.20 16.50 16.80 16.00 16.50
6 16.20 16.30 16.50 16.90 16.80 16.30 16.50 16.10 16.00 16.40
7 15.20 15.40 15.40 15.20 15.00 15.00 15.30 15.20 15.10 15.20
8 16.90 16.30 16.30 16.40 16.80 16.30 16.50 16.10 16.00 16.40
9 16.40 16.30 16.50 16.20 16.30 16.30 16.50 16.20 16.00 16.30
10 14.70 14.80 14.70 14.90 14.70 14.90 14.90 14.90 14.70 14.80
11 14.20 14.40 14.40 14.20 14.00 14.00 14.30 14.20 14.10 14.20
12 17.40 17.30 17.50 17.20 17.30 17.30 17.50 17.20 17.00 17.30
192.00
Clculo de la Media de las
Medias

192/12 = 16 onzas
CLCULO DE LA DESVIACIN
ESTNDAR
Desviacin Estndar de la Poblacin:

Si se trabaja con menos de 30 elementos (de cada


muestra) se trabaja con n-1, de esta manera:
MEDICIN DE LAS VARIABLES
Muestra 1 2 3 4 5 6 7 8 9 (x-x)
x
1 16.10 16.30 16.00 16.20 16.10 15.90 16.00 16.30 16.00 16.10 0.01000
2 16.80 16.90 16.70 16.30 17.00 16.80 16.90 17.00 16.80 16.80
Se hace la operacin de
3 15.00 15.90 15.80 15.70 15.80 15.70 15.30 15.20 15.10 15.50
a la media se le resta la
4 16.80 16.50 media16.50
16.80 16.80 16.80 16.20 de las medias
16.10 y 16.50
16.00
5 16.10 16.80 se eleva
16.80 16.50 16.80 16.20 16.50al16.80
cuadrado
16.00 16.50
6 16.20 16.30 16.50 16.90 16.80 16.30 16.50 16.10 16.00 16.40
7 15.20 15.40 15.40 15.20 15.00 15.00 15.30 15.20 15.10 15.20
8 16.90 16.30 16.30 16.40 16.80 16.30 16.50 16.10 16.00 16.40
9 16.40 16.30 16.50 16.20 16.30 16.30 16.50 16.20 16.00 16.30
10 14.70 14.80 14.70 14.90 14.70 14.90 14.90 14.90 14.70 14.80
11 14.20 14.40 14.40 14.20 14.00 14.00 14.30 14.20 14.10 14.20
12 17.40 17.30 17.50 17.20 17.30 17.30 17.50 17.20 17.00 17.30

192.00
MEDICIN DE LAS VARIABLES
Muestra 1 2 3 4 5 6 7 8 9 (x-x)
x
1 16.10 16.30 16.00 16.20 16.10 15.90 16.00 16.30 16.00 16.10 0.01000
2 16.80 16.90 16.70 16.30 17.00 16.80 16.90 17.00 16.80 16.80 0.64000
3 15.00 15.90 15.80 15.70 15.80 15.70 15.30 15.20 15.10 15.50 0.25000
4 16.80 16.50 16.80 16.80 16.80 16.20 16.50 16.10 16.00 16.50 0.25000
5 16.10 16.80 16.80 16.50 16.80 16.20 16.50 16.80 16.00 16.50 0.25000
6 16.20 16.30 16.50 16.90 16.80 16.30 16.50 16.10 16.00 16.40 0.16000
7 15.20 15.40 15.40 15.20 15.00 15.00 15.30 15.20 15.10 15.20 0.64000
8 16.90 16.30 16.30 16.40 16.80 16.30 16.50 16.10 16.00 16.40 0.16000
9 16.40 16.30 16.50 16.20 16.30 16.30 16.50 16.20 16.00 16.30 0.09000
10 14.70 14.80 14.70 14.90 14.70 14.90 14.90 14.90 14.70 14.80 1.44000
11 14.20 14.40 14.40 14.20 14.00 14.00 14.30 14.20 14.10 14.20 3.24000
12 17.40 17.30 17.50 17.20 17.30 17.30 17.50 17.20 17.00 17.30 1.69000
192.00 8.82000
CLCULO DE LA DESVIACIN
ESTNDAR
8.82 =
s =
9-1

s = 1.05 onzas
Lmite Superior de Control
LSC = 16+(3)(1.05/9)
LSC = 16+(3)(0.35)
LSC = 17.05 onzas

Lmite Inferior de Control


LIC = 16-(3)(1.05/9)
LIC = 16 - (3)(0.35)
LIC = 14.95 onzas
z = nmero de desviaciones estndar (1 para el 68% de confianza, 2 para el
95.45% de confianza y 3 para el 99.73% de confianza)
Grfica de control estadstico de calidad: lmites de
control de calidad, cajas de cereales
18.00

17.50

17.00
Contenido en onzas

16.50

16.00 MEDIA
LSC
LIC
15.50 MEDIA MUESTRAS

15.00

14.50

14.00
1 2 3 4 5 6 7 8 9 10 11 12
Hora de muestra
Ejemplo 2
=
Grficas X y R
Cuando no se conoce o es difcil
de calcular la desviacin
estndar
Ejemplo 2 Refresco Super Cola
Las botellas de refresco Super Cola tienen una
etiqueta que dice peso neto 12 onzas. Se
tomaron 12 muestras de 5 botellas cada una.
Encuentre el rango promedio del proceso y el
promedio global del proceso. El equipo de
administracin de operaciones quiere determinar
los lmites de control inferior y superior para los
promedios de este proceso. Trabaje con 3
desviaciones estndar. A continuacin se le
presentan los datos de las muestras. Tome en
cuenta que la desviacin estndar no se conoce.
Tomado y adaptado del libro de Texto Principios de Administracin de Operaciones
Heizer,y Render, Sptima edicin
Lmites de Control de Calidad por
Variables para Rango
LCS = D4 * R
Tabla de Factores para el
LCI = D3 * R clculo de las lmites de
control de la grfica (3 sigma)
Tamao de la muestra Factor para LCS y LCI Factor para LCS para Factor para LCI para
(n) para grfica X (A2) grfica R (D4) grfica R (D3)

2 1.880 3.268 0
3 1.023 2.574 0
4 0.729 2.282 0
5 0.577 2.115 0
6 0.483 2.004 0
7 0.419 1.924 0.076
8 0.373 1.864 0.136
9 0.337 1.816 0.184
10 0.308 1.777 0.223
12 0.266 1.716 0.284
medida en onzas
#Muestra/ Observaciones 1 2 3 4 5
1 12.05 12.17 12.05 12.05 12.10
2 11.90 11.94 11.94 11.90 12.00
3 12.02 12.20 12.01 12.02 12.09
4 12.00 12.00 11.98 12.05 11.98
5 12.01 12.03 12.00 11.90 12.00
6 12.03 12.50 12.00 12.03 12.50
7 11.80 12.00 11.90 11.80 12.20
8 12.00 12.00 11.90 12.00 12.00
9 12.03 12.05 12.00 12.03 12.00
10 12.22 12.00 11.90 12.22 12.00
11 12.50 12.00 12.00 12.50 12.40
12 11.98 12.40 11.97 11.98 12.50
Sumatorias
medida en onzas
_
#Muestra/ Observaciones 1 2 3 4 5 X
1 12.05 12.17 12.05 12.05 12.10 12.08
2 11.90 11.94 11.94 11.90 12.00
3 12.02 12.20 12.01
Se 12.02
saca el promedio 12.09
4 12.00 12.00 de cada una
11.98 de las 11.98
12.05
observaciones
5 12.01 12.03 12.00 11.90
realizadas 12.00
6 12.03 12.50 12.00 12.03 12.50
7 11.80 12.00 11.90 11.80 12.20
8 12.00 12.00 11.90 12.00 12.00
9 12.03 12.05 12.00 12.03 12.00
10 12.22 12.00 11.90 12.22 12.00
11 12.50 12.00 12.00 12.50 12.40
12 11.98 12.40 11.97 11.98 12.50
Sumatorias
medida en onzas
#Muestra/ _
Observaciones 1 2 3 4 5 X
1 12.05 12.17 12.05 12.05 12.10 12.08
2 11.90 11.94 11.94 11.90 12.00 11.94
3 12.02 12.20 12.01 12.02 12.09 12.07
4 12.00 12.00 11.98 12.05 11.98 12.00
5 12.01 12.03 12.00 11.90 12.00 11.99
6 12.03 12.50 12.00 12.03 12.50 12.21
7 11.80 12.00 11.90 11.80 12.20 11.94
8 12.00 12.00 11.90 12.00 12.00 11.98
9 12.03 12.05 12.00 12.03 12.00 12.02
10 12.22 12.00 11.90 12.22 12.00 12.07
11 12.50 12.00 12.00 12.50 12.40 12.28
12 11.98 12.40 11.97 11.98 12.50 12.17
Sumatorias 144.75
medida en onzas
#Muestra/ _ _
Observaciones 1 2 3 4 5 X R
1 12.05 12.17 12.05 12.05 12.10 12.08 0.12
2 11.90 11.94 11.94 11.90 12.00 11.94
3 12.02 12.20 12.01 12.02 12.09 12.07
4 12.00 12.00 Se11.98
calcula: 12.05
del valor11.98
mayor 12.00
restar el valor menor.
5 12.01 12.03 Ejemplo:
12.00 12.17-12.05=0.12
11.90 12.00 11.99
6 12.03 12.50 12.00 12.03 12.50 12.21
7 11.80 12.00 11.90 11.80 12.20 11.94
8 12.00 12.00 11.90 12.00 12.00 11.98
9 12.03 12.05 12.00 12.03 12.00 12.02
10 12.22 12.00 11.90 12.22 12.00 12.07
11 12.50 12.00 12.00 12.50 12.40 12.28
12 11.98 12.40 11.97 11.98 12.50 12.17
Sumatorias 144.75
medida en onzas
_ _
#Muestra/ Observaciones 1 2 3 4 5 X R
1 12.05 12.17 12.05 12.05 12.10 12.08 0.12
2 11.90 11.94 11.94 11.90 12.00 11.94 0.10
3 12.02 12.20 12.01 12.02 12.09 12.07 0.19
4 12.00 12.00 11.98 12.05 11.98 12.00 0.07
5 12.01 12.03 12.00 11.90 12.00 11.99 0.13
6 12.03 12.50 12.00 12.03 12.50 12.21 0.50
7 11.80 12.00 11.90 11.80 12.20 11.94 0.40
8 12.00 12.00 11.90 12.00 12.00 11.98 0.10
9 12.03 12.05 12.00 12.03 12.00 12.02 0.05
10 12.22 12.00 11.90 12.22 12.00 12.07 0.32
11 12.50 12.00 12.00 12.50 12.40 12.28 0.50
12 11.98 12.40 11.97 11.98 12.50 12.17 0.53
Sumatorias 144.75 3.01
Clculo de la Media de las
Medias

144.75/12 = 12.0625 onzas


Clculo de Rango Promedio

R = 3.01/12 = 0.25083 onzas


Lmites de Control de Calidad por
Variables para X
Se busca en la tabla el valor
que corresponde a n = 5, en
la columna de: Factor para
LCS y LCI para grfica X (A2)

Tamao de la muestra Factor para LCS y LCI Factor para LCS para Factor para LCI para
(n) para grfica X (A2) grfica R (D4) grfica R (D3)

2 1.880 3.268 0
3 1.023 2.574 0
4 0.729 2.282 0
5 0.577 2.115 0
6 0.483 2.004 0
7 0.419 1.924 0.076
8 0.373 1.864 0.136
9 0.337 1.816 0.184
10 0.308 1.777 0.223
12 0.266 1.716 0.284
Lmites de Control de Calidad
por Variables

LSCX = 12.062 + (0.577 * 0.250833)


LSCX = 12.21 onzas

LICX = 12.062 (0.577 * 0.250833)


LICX = 11.92 onzas
GRFICA DE CONTROL ESTADISTICO DE CALIDAD,
GRFICA X, REFRESCOS SUPER COLA
12.40

12.30

12.20
CANTIDAD DE ONZAS

12.10
LSCX

12.00 X

MEDIA
11.90 PROMEDIO
LICX

11.80

11.70
1 2 3 4 5 6 7 8 9 10 11 12
NMERO DE MUESTRA
Lmites de Control de Calidad
por Variables para Rango
LCSR = D4 * R Se busca en la tabla el valor
que corresponde a n = 5, en
la columna de: Factor para
LCIR = D3 * R LCS para grfica R (D4)

Tamao de la muestra Factor para LCS y LCI Factor para LCS para Factor para LCI para
(n) para grfica X (A2) grfica R (D4) grfica R (D3)

2 1.880 3.268 0
3 1.023 2.574 0
4 0.729 2.282 0
5 0.577 2.115 0
6 0.483 2.004 0
7 0.419 1.924 0.076
8 0.373 1.864 0.136
9 0.337 1.816 0.184
10 0.308 1.777 0.223
12 0.266 1.716 0.284
Lmites de Control de Calidad
por Variables para Rango
LCS = D4 * R Se busca en la tabla el valor
que corresponde a n = 5, en
la columna de: Factor para
LCI = D3 * R LCS para grfica R (D3)

Tamao de la muestra Factor para LCS y LCI Factor para LCS para Factor para LCI para
(n) para grfica X (A2) grfica R (D4) grfica R (D3)

2 1.880 3.268 0
3 1.023 2.574 0
4 0.729 2.282 0
5 0.577 2.115 0
6 0.483 2.004 0
7 0.419 1.924 0.076
8 0.373 1.864 0.136
9 0.337 1.816 0.184
10 0.308 1.777 0.223
12 0.266 1.716 0.284
Lmites de Control de Calidad
por Variables para Rango

LCSR = D4 * R
LCSR = 2.115 * 0.25083 =
0.5305 onzas

LCIR = D3* R
LCIR = 0 * 0.25083 =
0 onzas
GRFICA DE CONTROL ESTADISTICO DE CALIDAD,
GRFICA DEL RANGO, REFRESCOS SUPER COLA

0.6

0.5
CONTENIDO EN ONZAS

0.4

LSCR
0.3
RANGO

0.2 RANGO
PROMEDIO
LICR
0.1

0
1 2 3 4 5 6 7 8 9 10 11 12
NMERO DE MUESTRAS
GRFICAS DE CONTROL POR
ATRIBUTOS

Ejemplo 3

Grfica p
Ejemplo 3 Grfica p
Los digitadores de Dossier Data System introducen miles
de registros de seguros cada da para una variedad de
clientes corporativos. La directora general, quiere
establecer limites que incluyan el 99.73% de la variacin
aleatoria en el proceso de introduccin de datos cuando se
encuentra bajo control.
Se han recopilado muestras del trabajo de 20 digitadores.
Se examinaron cuidadosamente 100 registros por cada
empleado, estableciendo el nmero de errores. Los datos
se presentan a continuacin.

Tomado y adaptado del libro de Texto Principios de Administracin de Operaciones


Heizer,y Render, Sptima edicin
No. De Muestra Errores
1 6
2 5
3 0
4 1
5 4
6 2
7 5
8 3
9 3
10 2
11 6
12 1
13 8
14 7
15 5
16 4
17 11
18 3
19 0
20 4
80
_
No. De Muestra Errores P
1 6 0.06
2 5
3 0
4 1
5 4
6 2 Se divide
7 56/100 = 0.06
8 3
9 3
10 2
11 6
12 1
13 8
14 7
15 5
16 4
17 11
18 3
19 0
20 4
80
_
No. De Muestra Errores P
1 6 0.06
2 5 0.05
3 0 0.00
4 1 0.01
5 4 0.04
6 2 0.02
7 5 0.05
8 3 0.03
9 3 0.03
10 2 0.02
11 6 0.06
12 1 0.01
13 8 0.08
14 7 0.07
15 5 0.05
16 4 0.04
17 11 0.11
18 3 0.03
19 0 0.00
20 4 0.04
80 0.80
_
Lmite Superior de Calidad (LSCp) = p + z p
_
Lmite Inferior de Calidad (LICp) = p - z p
_ _

Desviacin estndar p = p (1 - p)
n

p (1 - p)
n1

z = nmero de desviaciones estndar (1 para el 68% de confianza, 2 para el 95.45% de


confianza y 3 para el 99.73% de confianza)
p = (x/n)
n
= 0.80 / 20= .04 errores en registros
= 4 % errores en registros

p = x
N
= 80/ 2000
= 0.04 errores en registros

= 4% errores en registros
sp = (0.04) * (1- 0.04)
100

0.0196 =

1.96% errores en digitacin


Lmite superior de control

LSCp = 0.04 + (3)(0.0196)


LSCp = 0.0988
LSCp = 9.88% errores en digitacin
Lmite inferior de control
LICp = 0.04 - (3)(0.0196)
LICp = -0.0188
LICp = 0.00% errores en digitacin
z = nmero de desviaciones estndar (1 para el 68% de confianza, 2 para el
95.45% de confianza y 3 para el 99.73% de confianza)
GRFICA DE CONTROL ESTADISTICO DE CALIDAD,
GRFICA p, CAPTURA DE DATOS
0.1200
PORCENTAJE DE ERROES EN DIGITACIN

0.1000

0.0800

LCSP
0.0600

Fraccin
defectuosa
0.0400
Proporcin
media
0.0200 LCIP

0.0000
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
NMERO DE MUESTRA
GRFICAS DE CONTROL
POR ATRIBUTOS

Ejemplo 4

Grfica c
Ejemplo grfica c
La compaa de taxis Red Top recibe varias
quejas al da sobre el comportamiento de
sus conductores. Durante un perodo de 9
das (donde los das son la unidad de
medida) el propietario recibi los siguientes
nmeros de llamadas de pasajeros
molestos: 3, 0, 8, 9, 6, 7, 4, 9, 8 para un
total de 54 quejas. Trabaje con un lmite de
control del 99.73% de confianza.
Tomado y adaptado del libro de Texto Principios de Administracin de Operaciones
Heizer,y Render, Sptima edicin
Lmite Superior de Calidad (LSC) = c+z c

Lmite Inferior de Calidad (LIC) = c-z c

Desviacin estndar c = c
Muestra 1 2 3 4 5 6 7 8 9 Total

Cantidad 3 0 8 9 6 7 4 9 8
de quejas 54
c = 54/ 9

6 quejas promedio al da
Lmite Superior de Control

LSC= 6 + (3) 6
LSC= 13.35 quejas
Lmite Inferior de Control

LIC= 6 - (3) 6
LIC= -1.35 quejas
LIC= 0 quejas
GRFICA DE CONTROL ESTADISTICO DE CALIDAD, GRFICA
c, RECLAMOS POR COMPORTAMIENTO DE CONDUCTORES

16

14

12
CANTIDAD DE RECLAMOS

10

LCSc
8
# Reclamos
Promedio reclamos
6 LCIc

0
1 2 3 4 5 6 7 8 9
NMERO DE LLAMADAS
Aspectos de administracin y
grficas de control
Los administradores deben tomar tres decisiones importantes acerca de las
grficas de control:

Seleccionar los puntos en el proceso que


necesitan control estadstico del proceso.
Determinar la grfica apropiada a utilizar
Establecer polticas de SPC claras y
especficas
Cul grfica usar?
Datos Variables
Uso de la grfica x y una grfica R:
Las observaciones son variables
Recopilar 20 25 de n = 4, o n = 5, o ms,
cada una de un proceso estable y calcular la
media para una grfica x y el rango de una
grfica R
Rastrear muestras de n observaciones cada
una
Cul grfica usar?
Datos de atributos
Uso de una grfica p:
Las observaciones son atributos que
pueden clasificarse en dos estados
Tratamos confracciones o porcentajes
de defectos
Tenemos varias muestras, cada uno con
muchas observaciones
Cul grfica usar?
Datos de atributos
Uso de la grfica c:
Las observaciones con atributos cuyos
defectos por unidad de produccin se
pueden contar
Los nmeros contados con una pequea
parte de las posibles ocurrencias
Los defectos pueden ser muy variados

You might also like