JD Mariel Frank Edson

Descargar como pptx, pdf o txt
Descargar como pptx, pdf o txt
Está en la página 1de 39

INTEGRANTES:

-MIRANDA MARGARITO, MARIEL


GRÁFICOS DE
CONTROL
-MORALES QUISPE, JUAN DIEGO
-ÑAUPARI TAPIA, EDSON
-TAPIA BASILIO, FRANK
CONTROL ESTADÍSTICO DE
PROCESOS
 Diagramas de Pareto
 Gráficos de control

2
GRÁFICO DE CONTROL

A) Herramienta estadística de análisis y


presentación de datos. Sirve para llevar un registro
de una determinada característica de la calidad.
B) Permite diferenciar variaciones naturales de las
resultantes debido a causas asignables.

USOS:
- Reducción de la variabilidad del proceso.
- Monitoreo y vigilancia de un proceso.
- Estimación de los parámetros del producto o del
proceso.

3
LÍMITES DE CONTROL
Los límites de control, para cualquier gráfica, se calculan de la siguiente manera:

 LCS = Esperado (x) + k Desviación estándar (x)

 LCI = Esperado (x) - k Desviación estándar (x) Generalmente se utiliza

 k=3

4
GRÁFICOS DE CONTROL DE MEDIAS

5
GRÁFICOS DE CONTROL DE MEDIAS

6
CASO

7
GRÁFICO X - R
Calculamos la línea central: Calculamos los límites:

8

PLANEACIÓN ESTRATÉTIGA

PROPÓSITO:
Alimentar un mañana mejor”

9
PASOS PARA CONSTRUIR UNA CARTA
DE CONTROL

1) Definir una característica de la calidad.


2) Comprobar la normalidad de los datos.
3) Escoger un sub-grupo racional.
4) Reunir los datos
5) Calcular los límites de control y línea central.
6) Revisar los límites y línea central, eliminando los puntos fuera de control debido a causas
atribuibles.
7) Iniciar el control.

10
EJEMPLO 1
En la tabla siguiente se presentan 10 sub grupos de tres mediciones de la dimensión critica de
una pieza producida en el proceso de maquinado.

a) Establecer las cartas de control x barra – R

b) Si los limites de especificación son [150,90] calcular la fracción de elementos no conformes.

11
EJEMPLO 1

12
EJEMPLO 1

13
CLASIFICACIÓN DE LOS
GRÁFICOS DE CONTROL
TIPOS DE GRÁFICOS DE CONTROL

15
2. DATOS DISCRETOS
ATRIBUTO
GRÁFICO C
 La Grafica C sirve para controlar el proceso productivo, mediante el conocimiento del
numero de defectos que aparecen en una muestra.
 Utilice la Gráfica C cuando una pieza del producto, puede tener un número diferente de
defectos por pieza.
 El objetivo es controlar el número de defectos por pieza..

Para el cálculo de los limites de


control, podemos utilizar las siguiente
fórmula:
La Gráfica C
debe usarse,
solo cuando
los sub grupo
Se calcula dividendo el sean del mis s
mo tamaño
total del número de
defectos, entre la
Donde:
cantidad de muestras.
C : Es el promedio del
número de defectos

17
Caso Aplicativo
 En una fábrica de productos de plástico se tiene el problema de las rugosidades que afectan el aspecto de
los productos. Con el propósito de analizar la estabilidad del proceso y tratar de localizar causas especiales
de variación, se inspeccionaron 50 muestras y arrojaron la siguiente cantidad defectos por muestra..
Nº de Nº de
Muestra
Defectos
Muestra
Defectos = Sumatoria de número de defectos / Número de muestras
1 8 26 6 = 512 / 50 = 10,24
2 4 27 11
3 14 28 12 LCI = 10,24 – 3 * Raíz(10,24) = 0,60
4 9 29 12
5 6 30 8
LC = 10,24
6 9 31 16 LCS = 10,24 + 3 * Raíz(10,24) = 19,84
7 13 32 13
8 15 33 12 En la muestra número
9 10 34 11
10 17 35 6
11, se encuentra un
11 20 36 10 punto fuera del LCS,
12 13 37 13 por lo cual se
13 16 38 6
14 8 39 9 recomienda: revisar el
15 9 40 10 proceso, la
16 14 41 11
17 6 42 7 herramienta o la
18 9 43 11 metodología del
19 13 44 13
20 7 45 9
operario para obtener
21 13 46 11 un gráfico estable.
22 8 47 7 18
23 2 48 16
24 9 49 5
25 6 50 9
GRÁFICO U
 Utilice la Gráfica U para monitorear el número de defectos por unidad cuando cada
elemento pueda tener múltiples defectos.
 La Gráfica U, nos ayuda a hacer gráficos acorde a la cantidad de eventos que se
presentan por pieza.

Para el cálculo de los limites de


control, podemos utilizar las siguiente
fórmula:
La Gráfica C
debe usarse
solo cuando ,
los sub grupo
Se calcula dividendo la sean de difere s
nte tamaño.
suma de los defectos y
la suma de las
Donde:
unidades analizadas : Es el la división de la
suma de defectos y la
cantidad de unidades
analizadas.
: Es el promedio de las
unidades analizadas.
19
Caso Aplicativo
 En una empresa metalmecánica se fabrican válvulas usadas para griferías domésticas cuyos acabados son
recubiertos por un proceso de galvanotecnia. Después del dicho proceso se hace una inspección para
verificar que la apariencia sea uniforme en toda la superficie de la válvula. Los resultados, obtenidos de
dicha inspección, se muestran a continuación:
Und. Und.
= División de la suma de defectos y la suma de unidades analizadas
Muestra
Analizadas defectuosas = 438 / 3750 = 0,12
1 148 20
2 150 24 LCI = 0,12 – 3 * Raíz(0,12/150 ) = 0,03
3
4
151
161
15
19
LC = 0,12
5 150 16 LCS = 0,12 – 3 * Raíz(0,12/150 ) = 0,20
6 152 23
7 159 15 En la muestra número
8 150 21
9 148 13
21, se encuentra un
10 167 18 punto fuera del LCS,
11 152 14 por lo cual se
12 142 7
13 142 17 recomienda: revisar el
14 136 12 proceso, la
15 151 22
16 158 19
herramienta o la
17 150 16 metodología del
18 145 21
operario para obtener
19 139 13
20 143 24 un gráfico estable.
21 149 30 20
22 154 14
23 150 12
24 148 15
25 155 18
GRÁFICA P
 Utilice la Gráfica P para poder controlar el número de elementos defectuosos que existe
dentro de un proceso .
 Se usa cuando se tenga datos discretos y se puede usar para muestras de tamaño
constante o variable.
 Utilice esta gráfica de control para monitorear la estabilidad del proceso en el tiempo, de
manera que pueda identificar y corregir las inestabilidades en un proceso.

Para el cálculo de los limites de


control, podemos utilizar las siguiente
fórmula: En este tipo
de g
el valor del L ráficas, si
P, se calcula dividiendo el CI es negativ
se le conside o
número de elementos ra como cero
debido a que ,
defectuosos entre el no pueden
existir fracc
tamaño de muestra. iones negativ
de un defecto as
.
Donde:
P=fracción defectuosos
n=tamaño de muestra 

21
Caso Aplicativo
 El supervisor de un centro de llamadas desea evaluar el proceso de contestar las llamadas
telefónicas de los clientes. El supervisor registra el número total de llamadas entrantes y el
número de llamadas no contestadas durante 21 días. El supervisor crea una gráfica P para
monitorear la proporción de llamadas no contestadas.

Obtenemos nuestro gráfico de


control P y como podemos
El objetivo (11%) indica el valor
observar los límites de
máximo permitido de
control no son líneas rectas,
%defectuoso para el proceso.
ya que el tamaño de la
Tanto la estimación de
muestra en este tipo de gráfico
%defectuoso (9.57%) y el IC
es variable.
superior del %defectuoso es
(10.39%) son menores al valor
máximo permitido. Por lo tanto,
Si el %defectuoso se usted puede estar 95% seguro
encuentra distribuido de que el proceso es capaz de
aleatoriamente (sin formar un atender llamadas en una
patrón), alrededor de la línea proporción aceptable.
central, usted concluye que
los datos siguen una
distribución binomial. 22
GRÁFICA NP
 Utilice la Gráfica NP para poder controlar el número de elementos defectuosos (atributo
que tiene su complemento).
 Se usa cuando se tenga datos discretos y se puede usar para muestras de tamaño
constante.
 Utilice esta gráfica de control para monitorear la estabilidad del proceso en el tiempo, de
manera que pueda identificar y corregir las inestabilidades en un proceso.

Para el cálculo de los limites de


control, podemos utilizar las siguiente
fórmula:
P, es el núm
ero
de elemento
s
defectuosos
.
Donde:
P=número de elementos
defectuosos
n=tamaño de muestra 

23
Caso Aplicativo: Prueba 1
 Un ingeniero especializado en calidad evalúa si el proceso utilizado para producir focos está bajo control.
El ingeniero prueba 500 focos cada hora durante tres turnos de 8 horas y registra el número de focos que
no encienden (elementos defectuosos). El ingeniero crea una gráfica NP para monitorear el número de
focos defectuosos.

Un punto está fuera de control en la


gráfica NP. El ingeniero concluye
que el proceso no es estable y
debe mejorarse.
La prueba falló en el punto: 16

24
Caso Aplicativo: Prueba 1

El objetivo (7%) indica el valor


máximo permitido de
%defectuoso para el proceso.
Tanto la estimación de
%defectuoso (6.15%) es menor
que el valor máximo permitido.
Sin embargo, el IC superior del
%defectuoso (7.12%) es mayor
al valor máximo permitido. Por lo
tanto, usted no puede estar 95%
seguro de que el proceso es
capaz de atender llamadas en
una proporción aceptable.

25
Caso Aplicativo: Prueba 2
 Se tomó acción sobre el proceso para eliminar falla cuando la producción de 116 focos. De esta forma,
se actualiza la gráfica con los nuevos datos, eliminando el punto 16.

Todos los puntos están


bajo control en la
gráfica NP. El ingeniero
concluye que el
proceso es estable.

26
Caso Aplicativo: Prueba 2

El objetivo (11%) indica el valor


máximo permitido de
%defectuoso para el proceso.
Tanto la estimación de
%defectuoso (5.77%) y el IC
superior del %defectuoso es
(6.74%) son menores al valor
máximo permitido. Por lo tanto,
usted puede estar 95% seguro
de que el proceso es capaz de
atender llamadas en una
proporción aceptable.

27
3.MEDICIONES
CONTINUAS
VARIABLE
GRÁFICA I-MR
 Utilice la Gráfica I-MR para monitorear la media y la variación del proceso cuando
tenga datos continuos que sean observaciones individuales que no están en
subgrupos. 
 Utilice esta gráfica de control para monitorear la estabilidad del proceso en el tiempo,
de manera que pueda identificar y corregir las inestabilidades en un proceso.

Por ejemplo, el administrador de un


hospital desea determinar si el tiempo
para realizar una cirugía ambulatoria
de hernia es estable y si la variación en
los tiempos de cirugía es estable.
Puesto que los datos no se recopilan en
subgrupos, el administrador utiliza una
gráfica I-MR para monitorear la media y
la variación de los tiempos de cirugía.
29
Caso Aplicativo
 Un hospital está evaluando los niveles de dotación de personal con el fin de reducir el tiempo de espera. En la
base de datos del hospital se muestra el volumen de pacientes diarios .El Director de Emergencias piensa que el
volumen puede estar aumentando, pero no hay pistas que indican un cambio en el proceso. Le gustaría saber si
los datos recientes son el resultado de la variación normal de azar (ruido) o una señal de una causa especial.

Nuestro proceso no está


controlado ya que existe
un punto que sale de los
límites de control y minitab
no los índice en color rojo y
el n° 1

30
GRÁFICA XBARRA-R
 Utilice Gráfica Xbarra-R para monitorear la media y la variación de un proceso cuando
tenga datos continuos y tamaños de subgrupo de 8 o menos. 

 Utilice esta gráfica de control para monitorear la estabilidad del proceso en el tiempo,
de manera que pueda identificar y corregir las inestabilidades en un proceso.

Por ejemplo, un ingeniero de


manufactura desea determinar si el
proceso de producción de un nuevo
producto de plástico está bajo
control. Los operadores toman
muestras de 5 unidades cada hora
durante 20 horas y evalúan la
resistencia del plástico.
31
Caso Aplicativo
 En una industria alimenticia se quiere garantizar que la concentración mínima de grasa de un producto sea
de 1.8%. En la tabla se muestran los datos obtenidos para un estudio inicial, con tamaño de subgrupo de 4.

32
Caso Aplicativo

Como podemos
observar en el
gráfico de medias
todos los puntos se
encuentran dentro
de los límites, sin
embargo 2 de ellos
se encuentran más
elevados y 4 En el gráfico de
consecutivos al rangos podemos
mismo nivel. ver un ciclo
inestable en la
parte central que lo
podemos asociar a
un posible
reposición de
materia prima.

33
GRÁFICA XBARRA-S
 Utilice la Gráfica Xbarra-S para monitorear la media y la variación de un proceso
cuando tenga datos continuos y tamaños de subgrupo de 9 o más. 
 Utilice esta gráfica de control para monitorear la estabilidad del proceso en el tiempo,
de manera que pueda identificar y corregir las inestabilidades en un proceso.

Por ejemplo, un fabricante de


pinturas desea determinar la
estabilidad de su proceso de llenado
de latas de pintura. Los operadores
recolectan subgrupos de 10 latas
cada hora durante 30 horas y
utilizan una gráfica Xbarra-S para
monitorear la media y la variación
de las latas de pintura llenas. 34
Caso Aplicativo
 En una empresa de producción, busca mejorar su proceso por lo cual realizaron 10 mediciones en cada
proceso por el que pasa el producto. De cual se obtuvieron los siguientes datos

35
Caso Aplicativo

Podemos ver que en


ambos gráficos
(media y desv.
estándar) hay un
puntos fuera de los
límites, esto puede
indicar que las
máquinas necesitan
un mantenimiento

36
CONCLUSIONES
 Se concluye que los gráficos C y U , son parecidos pero existe una diferencia importante,
que el primero se realiza para una cantidad de sub grupos igual y el otro para sub grupos
diferentes.
 Los gráficos C y U, permiten determinar aquellos puntos que se encuentran dentro o
fuera de los límites de control.

37
BIBLIOGRAFÍA
 Evans, James. Administración y Control de la Calidad. Ed. Cengage Learning. Novena
edicion, 2015.

 Gutiérrez, Humberto. Control Estadístico de Calidad y Seis Sigma. Ed. Mc Graw Hill.
Tercera edición, 2013.

 Gutiérrez, Humberto. Calidad y Productividad. Ed. Mc Graw Hill. Cuarta edición, 2014.

 Cantú, Humberto. Desarrollo de una cultura de calidad. Ed. Mc Graw Hill. 4ta. Edicion.

38
GRACIAS!
39

También podría gustarte