Control Estadístico de Procesos (SPC).

Save this PDF as:
 WORD  PNG  TXT  JPG

Tamaño: px
Comenzar la demostración a partir de la página:

Download "Control Estadístico de Procesos (SPC)."

Transcripción

1 Control Estadístico de Procesos (SPC). - Sesión 4ª de 4 - JAIME RAMONET FERNÁNDEZ Ingeniero Industrial Superior. PMP (PMI ). Formador y Consultor.

2 Actitud requerida para recibir formación... y obtener conocimiento: "Quien establece una diferencia entre educación y entretenimiento, no sabe nada ni de una cosa ni de la otra" Marshall McLuhan. 2

3 Jaime Ramonet Temario de la sesión: Gráficos de Control avanzados: Gráfico CUSUM Gráfico EWMA Intro. a Box-Jenkins y ASPC. Curva característica y curva ARL. Medidas de Capacidad del proceso: Índice Cp Índice Cpk Interpretación Resumen y clausura del curso. 3

4 Jaime Ramonet Motivación: Gráficos avanzados: Los gráficos de Shewhart solo tienen en cuenta, para cada punto, los valores relativos a la muestra actual y no al conjunto de datos recopilados hasta el momento (conjunto de muestras). Por otro lado, consideramos que cada observación o muestra es independiente de la anterior. La solución consiste en trabajar con gráficos con «memoria». Gráficos avanzados (con «memoria»): CUSUM: En el Gráfico CUSUM se representa la suma acumulada de las desviaciones, con lo que se está recogiendo la información de todas las muestras anteriores. EWMA: En el gráfico EWMA se representan las medias móviles con pesos exponenciales (lo que permite detectar desplazamientos muy lentos). Box-Jenkins y ASPC: Son métodos para muestras con dependencia entre ellas. Nota: En general se trata de procesos continuos, en que la entrada se ve retroalimentada por una función de la salida. 4

5 Gráfico CUSUM: Sumas Acumuladas Complemento a los gráficos de Shewhart (que en principio no «persiguen» al valor nominal -VN- sino que se centran en detectar los desequilibrios del proceso creados por causas especiales -asignables-). «Persigue» centrar los resultados entorno a un valor objetivo «T». Detecta las desviaciones respecto a «T» ( target ) en una magnitud superior a un valor determinado preestablecido por nosotros ( d = desviación a detectar). El «T» puede ser: el valor nominal -VN- de un parámetro del propio proceso o del resultado, la varianza de ídem, una proporción «p» de..., los valores de predicción de un modelo teórico, etc. Permite realizar el seguimiento y control de cambios moderados (entre 0,5 y 2 veces σ) del valor «T». Especialmente útil para muestras de tamaño n =1. 5

6 Gráfico CUSUM: El gráfico representa el valor de la suma acumulada («C») hasta la muestra actual («i») de la diferencia entre la media de cada muestra («ẍ i») respecto al valor objetivo («T»). Formula: C i = (ẍ i T); El valor de C i va acumulando las diferencias. Si el proceso está bajo control, las desviaciones positivas se compensaran con las negativas y el gráfico serán una serie de punto oscilando sobre y bajo el valor 0 (Ver transparencia siguiente). La determinación de la situación del proceso se puede hacer mediante: Mediante cálculo numérico. Mediante mascara en V. 6

7 CUSUM Bajo control: Datos... 7

8 CUSUM - Bajo control: Gráfico... 8

9 CUSUM Mismo caso, 100 muestras 9

10 CUSUM Mismo caso, otras 100 muestras!!! 10

11 CUSUM (cont.) Si la media del proceso (evaluado mediante las medias muestrales «ẍ i» ) no coincide con el valor objetivo «T», el gráfico se irá separando del valor 0, al irse acumulando la diferencia. El «dato» importante en un gráfico CUSUM no es la separación respecto a 0 (recordar el último gráfico) sino la «pendiente» de la línea de puntos: a mayor pendiente, mayor discrepancia entre la media del proceso y el valor objetivo «T». Los límites de control de los gráficos CUSUM vienen dados por dos pendientes (+ y -) que dependen de cuatro factores: La escala del gráfico. La variabilidad «σ» propia del proceso (teórica o de la población). El cambio mínimo (del parámetro) que se quiere detectar (valor umbral «K»). El riesgo «α» (Error Tipo I) en la toma de decisiones. 11

12 CUSUM: Construcción del gráfico Escala del gráfico: se recomienda que 1 unidad de la escala del eje horizontal (eje X) sea = (2 σ) de la distribución teórica del parámetro de la escala vertical (eje Y). Ejemplo: Si σ = 0,7 u. y en la escala horizontal colocamos las observaciones cada 2 mm (unidad horizontal), entonces, en el eje vertical cada 2 mm representarán (2 * 0,7 ) = 1,4 u. (siendo u. la unidad de medida del parámetro representado en el gráfico). (2 * σ) Unidades u Observaciones 12

13 CUSUM Desviación del parámetro Si no se conoce la desviación teórica o de la población de la distribución del parámetro sobre el que se realiza el gráfico, esta deberá ser calculada con la formula adecuada. p.e.: σ e = s / (n 1) ; Para variables continuas que se ajusten a la Ley Normal. σ e = sqrt( p * (1-p) / n) ; Para proporciones de parámetro que se distribuya según la Ley Binomial. σ e = sqrt( np * (1-p)) ; Para número de individuos con un atributo «p» (Ley Binomial). σ e = λ ; Para número de ocurrencias por unidad (Ley Poisson). 13

14 Jaime Ramonet Método: CUSUM: Control del proceso Método numérico Se acumulan solo las desviaciones mas significativas y por separado, las positivas en C+ y las negativas en C-. Se considera que una desviación es significativa si es mayor que un valor umbral «K» predeterminado, normalmente K = ½ de la desviación que se quiere detectar: K = ½ (µ 0 - µ 1 ); o bien, si µ 1 = µ 0 + δ σ ; K = ½ δ ; (Nota: µ 0 = T) Para cada muestra se calculan D+ i = ((x i T) K); y D- i = ((T - x i ) K); Si (D+ i > 0) se acumula a C+; Si (D- i > 0) se acumula a C-; Finalmente: C+ i = C+ i-1 + MAX(0; D+ i ); y C- i = C- i-1 - MAX(0; D- i ); c- 14

15 CUSUM: Límites de C+ y C- C+ y C- nos proporcionan la acumulación de las desviaciones significativas positivas y negativas respectivamente. Los límites de control para estos dos valores viene dado por un valor de decisión «H» que habitualmente suele ser H = h σ. El valor de «h» es 4 o 5, según los autores. +/- H son los límites de control para C+ y C-. Cuando el proceso se muestra fuera de control, se deberán realizar las acciones correctoras pertinentes y se reiniciaran los valores de C+ y C- a cero. 15

16 CUSUM: ejemplo 1 16

17 CUSUM: ejemplo 2 17

18 CUSUM: ejemplo 2 c+ cusum c- 18

19 CUSUM: Control del proceso Método gráfico (plantilla en V ) Parámetros de la plantilla: - Distancia O-P y ángulo ω O ω P 19

20 Jaime Ramonet CUSUM: Control del proceso Método gráfico (plantilla en V ) Algunos paquetes estadísticos implementan este método. Los parámetros son función de la escala del gráfico y normalmente no se calculan a mano. Algunos autores desaconsejan el método gráfico. El método calculado es + exacto y permite realizar adaptaciones, p.e. Asignación de valores iniciales a C+ y C- > 0 tras una acción correctora incierta. 20

21 CUSUM vs. Gráficos de Shewhart CUSUM es + sensible a variaciones pequeñas en el proceso. Para variaciones grandes (K > 1,5 o 2) son similares o CUSUM un poco peor. Las dos ventajas de CUSUM frente a los Gráficos de Control de Shewhart son: Tiene memoria de las desviaciones anteriores Permite controlar variables u otros parámetros (proporciones, rangos, desviación, etc). 21

22 Jaime Ramonet Gráficos EWMA (I) (Medias móviles ponderadas exponencialmente) Para muestras tamaño 1 (observaciones individuales). Se representa un valor acumulado en el que tienen mas importancia (peso) las observaciones + recientes. El factor de importancia (peso) de cada observación decae exponencialmente con el tiempo. El valor de cada punto se define como: y i = λ x i + (1 λ) y i-1 ; Nota: ha que tomar y 0 = μ (media). El valor λ es discrecional (0 < λ <= 1). Normalmente entre 0,05 y 0,25. Cuanto mayor sea λ, mayor perdida de importancia con el tiempo. Para λ = 1 solo cuenta la observación + reciente (ídem a un gráfico de Shewhart. Para λ 0 tenemos un gráfico del tipo CUSUM. 22

23 Jaime Ramonet Gráficos EWMA (II) (Medias móviles ponderadas exponencialmente) Los límites de control (que son función de la observación) son: LCS = μ + 3 σ sqrt((λ (1 (1-λ) 2i ) / (2-λ)) LC = μ LCI = μ - 3 σ sqrt((λ (1 (1-λ) 2i ) / (2-λ) ) De forma simplificada (aproximada) se puede aceptar: LCS = μ + 3 σ sqrt( λ/(2 λ) ) LC = μ LCI = μ - 3 σ sqrt( λ/(2 λ) ) 23

24 Gráfico EWMA: Ejemplo Puntos del gráfico: y 0 = μ ; y i = λ x i + (1 λ) y i-1 ; Límites de control: LCS = μ + 3 σ sqrt( λ / (2 λ) ) LC = μ LCI = μ - 3 σ sqrt( λ / (2 λ) ) 24

25 Gráfico EWMA: Ejemplo 25

26 Box-Jenkins y ASPC Justificación: Cuando las observaciones NO son independientes entre si, pueden existir causas especiales (asignables) que pueden actuar continuamente a lo largo de un conjunto de observaciones, sin poder ser eliminadas de una forma operativa (procesos en continuo, por ejemplo). Existen dos estrategias: Gráficos Box-Jenkins: Son gráficos de control que se adaptan, mediante transformación (corrección) de los datos obtenidos, en función de la dependencia entre observaciones (p.e. Series temporales depndientes de la estacionalidad). Ver: ASPC (Control estadístico adaptativo y automático): Se trata de realizar un Control Estadístico del Proceso y una corrección o ajuste automático del mismo (retro-alimentación de control) cada vez que este se desplace de su valor nominal. 26

27 Box-Jenkins: Ejemplo Datos originales Datos transformados 27

28 ASPC: Esquemas (ejemplos)... Entrada PROCESO Resultado Controlador 28

29 Jaime Ramonet Curva Característica de Operaciones de un Gráfico de Control ( OC ) Mide la sensibilidad del Gráfico de Control. Evalúa la probabilidad de que un punto caiga dentro de los límites de control si se ha producido un cambio de magnitud determinada en el proceso. Es función del tamaño de la muestra, de la desviación tipo y de α (que determina los Límites de Control). p.e. Si desplazamiento = 0: OC = α 29

30 Curva ARL ( Average Run Length ) Mide la rapidez de respuesta del Gráfico de Control frente a un cambio en el proceso. Indica el número medio de muestras necesario para detectar un cambio ( dar la alarma ) de una magnitud determinada en el proceso. Está relacionada con la curva OC: ARL (μ) = 1 / (1 OC(μ)). Cuando el proceso se muestra fuera de control, deberemos analizar como mínimo n muestras anteriores, siendo n el valor de la curva ARL. En un proceso bajo ARL = 1 / α; (Para Límites de Control a 3 σ α = 0,03 ARL = 1 / 0,03 = 33,3 muestras!!!. Que pasaría si α = 1?; pero...!!!) 30

31 Medidas de Capacidad de los Procesos La capacidad de un proceso mide su nivel de cumplimiento respecto a una especificación dada. Un proceso es capaz si su resultado (producto o el servicio) está dentro de los límites de la especificación establecida. Una especificación viene dada por un valor nominal (VN) y unas tolerancias (positiva y/o negativa) que determinan los límites de tolerancia de la especificación (LTS y LTI). Hipótesis: Distribución Normal del parámetro y proceso bajo control. Mide lo que el proceso es capaz de hacer. LTI VN LTS 31

32 Índice de Capacidad Cp El índice de capacidad viene definido por la relación entre el rango de la tolerancia y un múltiplo de la dispersión del proceso: Cp = ( LTS LTI ) / k σ; (siendo σ la desviación tipo del proceso) El valor de k depende del tipo de proceso. Para procesos muy estrictos o básicos (p.e. para la medida de capacidad de máquinas), se toma K = 8. Para resultados finales (p.e. Medida de capacidad del proceso global) se toma k = 6. En sectores específicos pueden ser habituales otros valores de k (p.e. En aeronáutica o en electrónica, K = 10 o K = 12). Si Cp >> 1 Proceso capaz. Deseable: Cp > 1,33 Si Cp justo por encima ó = 1 Proceso en el límite. Hay que intentar mejorarlo ;-( Si Cp < 1 proceso No capaz. Hay que mejorar el proceso (o cambiar las especificaciones). 32

33 Razón de capacidad del proceso Cpk El índice de capacidad Cp no informa de si en proceso está centrado en el valor nominal (VN). Para tener en cuenta el centrado sobre el valor nominal, se define el valor de Razón de Capacidad Cpk. Cpk = Min( (LTS Ẍ) / k σ ; ( Ẍ - LTI) / k σ ); Como en el caso anterior, el valor k depende del tipo de proceso. Para procesos muy estrictos o básicos (p.e. para la medida de capacidad de máquinas), se toma K = 4. Para resultados finales (p.e. Medida de capacidad del proceso global) se toma k = 3. Nota: El valor de k en la fórmula de Cpk debería ser = ½ k de la formula del índice Cp. Se cumple que: Cpk <= Cp 33

34 Cp y Cpk: situaciones... Cp > 1 Cpk > 1 Cp = 1 Cpk = 1 Cp < 1 Cpk < 1 LTI VN LTS LTI VN LTS LTI VN LTS Cp > 1 0 < Cpk < 1 Cp < 1 Cpk = 0 Imaginar: Cp < 1 Cpk < 0 LTI VN LTS LTI VN LTS 34

35 Jaime Ramonet Medida de la Capacidad del proceso: Procedimiento Asegurar que el proceso esta «bajo control». Tomar un mínimo de 50 (mejor 100) unidades consecutivas y medir el parámetro. Verificar que los datos se distribuyen según una Ley Normal Prueba o contraste de Normalidad (diversos métodos: p.e. método gráfico). Obtener la desviación tipo del proceso σ. La media se tomará igual al VN. Calcular Cp y Cpk del proceso. 35

36 Ejemplo: cáculo de Cp y Cpk 36

37 Jaime Ramonet Otro ejemplo índices Cp y Cpk: La especificación de un parámetro de un proceso bajo control establece: VN = 10,80 mm. Tolerancia: +/- 0,20 mm. (LTS = 11,00 mm; LTI = 10,60 mm; Rt = 0,40 mm) Se seleccionan 100 muestras consecutivas, se obtienen los valores del parámetro y se verifica la normalidad de la distribución de estos datos. Se calculan los datos estadísticos de las 100 observaciones: Media μ = 10,72 mm. Y desviación tipo σ = 0,05 mm. Cálculos de Cp y Cpk: Cp = 0,40 / 6 * 0,05 = 1,33 ; Cpk-sup = (11,00 10,72 ) / 3 * 0,05 = 0,28 / 0,15 = 1,86 Cpk-inf = (10,72 10,60 ) / 3 * 0,05 = 0,12 / 0,15 = 0,80 Cpk = min( 1,86 ; 0,80 ) = 0,80 Interpretar... 37

38 Resumen del Curso ;-) (adaptado de la Norma ISO :2013) AC: Eliminar causas asignables No PROCESO Gráficos de Control Bajo control Si Evaluar Capacidad Mejorar Proceso o cambiar especificación No Cpk > 1 Si Intentar mejorar Cpk > 1,33 38

39 Bibliografía: Norma ISO : Control charts Part 2: Shewhart control charts. ISO :2012 Statistical methods in process management - Capability and performance -- Part 7: Capability of measurement processes. Norma ISO : Guidelines for implementation of statistical process control (SPC) - Part 1: Elements of SPC. Control y mejora de la calidad. A. Prat, X. Tort-Martorell, P. Grima y L. Pozueta. Edicions UPC. Barcelona, 1998 Shewhart W.A. Economic Control of Manufactured Product. D. Van Norstrand, Co, New York, Grant E., & L eavenworth R. Statistical Quality Control. McGraw-Hill Series in Industrial Engineering and Management,

40 Jaime Ramonet Gracias por su atención... Turno abierto... Preguntas? Otros casos / cosas que ustedes conozcan? Comentarios? 40

GRÁFICOS DE CONTROL DE SHEWHART

GRÁFICOS DE CONTROL DE SHEWHART GRÁFICOS DE CONTROL DE SHEWHART Jordi Riu Grupo de Quimiometría, Cualimetría y Nanosensores Universitat Rovira i Virgili Campus Sescelades C/ Marcel lí Domingo s/n 43007-Tarragona Introducción Uno de los

Más detalles

PLATAFORMA GESTIÓN INTEGRAL DE PRODUCCIÓN GESTIÓN DE OPERACIONES

PLATAFORMA GESTIÓN INTEGRAL DE PRODUCCIÓN GESTIÓN DE OPERACIONES PLATAFORMA GESTIÓN INTEGRAL DE PRODUCCIÓN GESTIÓN DE OPERACIONES CONTROL DE CALIDAD CONTROL ESTADÍSTICO DE PROCESO Avanzar hacia la excelencia operacional es clave para la mejora de la competitividad de

Más detalles

NUEVAS ESTRATEGIAS EN CONTROL DE LA VARIABILIDAD DE PROCESOS

NUEVAS ESTRATEGIAS EN CONTROL DE LA VARIABILIDAD DE PROCESOS Decimonovenas Jornadas "Investigaciones en la Facultad" de Ciencias Económicas y Estadística. Noviembre de 014. Lignini, Maira Barbiero, Cristina Flury, Maria Isabel Quaglino, Marta Instituto de Investigaciones

Más detalles

www.fundibeq.org Además se recomienda su uso como herramienta de trabajo dentro de las actividades habituales de planificación y control.

www.fundibeq.org Además se recomienda su uso como herramienta de trabajo dentro de las actividades habituales de planificación y control. ESTUDIOS DE CAPACIDAD POTENCIAL DE CALIDAD 1.- INTRODUCCIÓN Este documento proporciona las pautas para la realización e interpretación de una de las herramientas fundamentales para el control y la planificación

Más detalles

Control Estadístico de Procesos (SPC) para NO estadísticos.

Control Estadístico de Procesos (SPC) para NO estadísticos. Control Estadístico de Procesos (SPC) para NO estadísticos. - Sesión 2ª de 4 - Impartido por: Jaume Ramonet Fernández Ingeniero Industrial Superior PMP (PMI ) Consultoría y Formación Actitud requerida

Más detalles

ANÁLISIS DE DATOS CONTROL DE CALIDAD. Ing. Carlos Brunatti

ANÁLISIS DE DATOS CONTROL DE CALIDAD. Ing. Carlos Brunatti ANÁLISIS DE DATOS CONTROL DE CALIDAD Ing. Carlos Brunatti Montevideo, ROU, junio 2015 Control de calidad No resulta sorprendente que el hormigón sea un material variable, pues hay muchos factores involucrados

Más detalles

Control de calidad del Hormigón

Control de calidad del Hormigón Control de calidad del Hormigón Calidad Hay muchos factores involucrados en la producción del hormigón, desde los materiales, la dosificación de la mezcla, el transporte, la colocación, el curado y los

Más detalles

Práctica de CONTROL DE CALIDAD Gráficos de control por variables e Índices de Capacidad

Práctica de CONTROL DE CALIDAD Gráficos de control por variables e Índices de Capacidad Práctica de CONTROL DE CALIDAD Gráficos de control por variables e Índices de Capacidad 1. Objetivos de la práctica Utilización de herramientas estadísticas para el Control de Procesos. En particular realizaremos:

Más detalles

Cómo funciona el Diagrama de Control

Cómo funciona el Diagrama de Control Cómo funciona el Diagrama de Control Capítulo 4 Control Estadístico de Calidad Modelo del sistema de control de proceso ( con retroalimentación ) VOZ DEL PROCESO METODOS ESTADÍSTICOS Personal Equipo Materiales

Más detalles

Control Estadístico del Proceso. Ing. Claudia Salguero Ing. Alvaro Díaz

Control Estadístico del Proceso. Ing. Claudia Salguero Ing. Alvaro Díaz Control Estadístico del Proceso Ing. Claudia Salguero Ing. Alvaro Díaz Control Estadístico del Proceso Es un conjunto de herramientas estadísticas que permiten recopilar, estudiar y analizar la información

Más detalles

CURSO HERRAMIENTAS ESTADISTICAS PARA IMPLEMENTACION DE SIX SIGMA EN EMPRESAS DE PRODUCCION, LOGISTICA Y SERVICIOS

CURSO HERRAMIENTAS ESTADISTICAS PARA IMPLEMENTACION DE SIX SIGMA EN EMPRESAS DE PRODUCCION, LOGISTICA Y SERVICIOS CURSO HERRAMIENTAS ESTADISTICAS PARA IMPLEMENTACION DE SIX SIGMA EN EMPRESAS DE PRODUCCION, LOGISTICA Y SERVICIOS Cnel. R.L. Falcón 1435 C1406GNC 35 Buenos Aires, Argentina Tel.: 054-15-4492-6252 Fax:

Más detalles

CONTROL Y MEJORA DE UN PROCESO. GRÁFICOS DE CONTROL. CONTROL ESTADÍSTICO DE PROCESOS. SPC

CONTROL Y MEJORA DE UN PROCESO. GRÁFICOS DE CONTROL. CONTROL ESTADÍSTICO DE PROCESOS. SPC CONTROL Y MEJORA DE UN PROCESO. GRÁFICOS DE CONTROL. CONTROL ESTADÍSTICO DE PROCESOS. SPC 1. INTRODUCCIÓN. Mientras el Dr. Walter Shewhart de los Laboratorios Bell estudiaba datos de procesos en la década

Más detalles

CONTROL ESTADÍSTICO DE PROCESOS Y PLANES DE MUESTREO

CONTROL ESTADÍSTICO DE PROCESOS Y PLANES DE MUESTREO CONTROL ESTADÍSTICO DE PROCESOS Y PLANES DE MUESTREO DIRECCIÓN DE LA PRODUCCIÓN Por: LUIS ARENCIBIA SÁNCHEZ www.laformacion.com - www.libroelectronico.net 1 Índice. 1. Control estadístico de procesos.

Más detalles

MEDICIÓN BILATERAL DE LA VARIABILIDAD DE LA LONGITUD

MEDICIÓN BILATERAL DE LA VARIABILIDAD DE LA LONGITUD MEDICIÓN BILATERAL DE LA VARIABILIDAD DE LA LONGITUD DE CORRIDA DE UNA CARTA DE CONTROL ESTADÍSTICO DE PROCESOS SU APLICACIÓN PARA DETERMINAR LA SENSIBILIDAD DE LA CARTA CUSUM NORMAL ANTE LA PRESENCIA

Más detalles

Control de calidad del. Ciudad de La Rioja Mayo 2013

Control de calidad del. Ciudad de La Rioja Mayo 2013 Control de calidad del Hormigón Ciudad de La Rioja Mayo 2013 Control de calidad Desde que se comenzó con la producción de bienes, se han hecho intentos en controlar el proceso de manera de mejorar la calidad

Más detalles

Grado en Ingeniería. Estadística. Tema 3

Grado en Ingeniería. Estadística. Tema 3 Grado en Ingeniería Asignatura: Estadística Tema 3. Control Estadístico de Procesos (SPC) Control Estadístico de Procesos (SPC) Introducción Variabilidad de un proceso de fabricación Causas asignables

Más detalles

CONTROL DEL PROCESO POR VARIABLES Y ATRIBUTOS

CONTROL DEL PROCESO POR VARIABLES Y ATRIBUTOS 3 CONTROL DEL PROCESO POR VARIABLES Y ATRIBUTOS Al finalizar la unidad, el alumno realizará gráficas de control por variables X y R y por atributos para mantener el seguimiento y control de los procesos

Más detalles

DEPARTAMENTO DE PROGRAMA DE MATERIA HORAS T/P: 2/3 PROCESOS II ELABORÓ:

DEPARTAMENTO DE PROGRAMA DE MATERIA HORAS T/P: 2/3 PROCESOS II ELABORÓ: DEPARTAMENTO DE CENTRO DE CIENCIAS BÁSICAS Estadística PROGRAMA DE MATERIA MATERIA: TALLER DE CONTROL ESTADÍSTICO DE HORAS T/P: 2/3 PROCESOS II CARRERA: INGENIERO INDUSTRIAL CRÉDITOS: 7 ESTADÍSTICO SEMESTRE:

Más detalles

Control Estadístico de Procesos (SPC) para NO estadísticos.

Control Estadístico de Procesos (SPC) para NO estadísticos. Control Estadístico de Procesos (SPC) para NO estadísticos. - Sesión 3ª de 4 - Impartido por: Jaume Ramonet Fernández Ingeniero Industrial Superior PMP (PMI ) Consultoría y Formación Actitud requerida

Más detalles

TEMA 2. FILOSOFÍA DE LOS GRÁFICOS DE CONTROL. Principios básicos de los gráficos de control. Análisis de patrones.

TEMA 2. FILOSOFÍA DE LOS GRÁFICOS DE CONTROL. Principios básicos de los gráficos de control. Análisis de patrones. TEMA 2. FILOSOFÍA DE LOS GRÁFICOS DE CONTROL. Principios básicos de los gráficos de control. Análisis de patrones. La herramienta que nos indica si el proceso está o no controlado o Estado de Control son

Más detalles

Estacionalidad. Series de tiempo. Modelos econométricos. Modelos econométricos. Q= T Kα Lβ

Estacionalidad. Series de tiempo. Modelos econométricos. Modelos econométricos. Q= T Kα Lβ Estacionalidad Qué es la estacionalidad? La estacionalidad es una componente que se presenta en series de frecuencia inferior a la anual (mensual, trimestral,...), y supone oscilaciones a corto plazo de

Más detalles

CONFERENCIA SEIS SIGMA CONTROL ESTADISTICO DE PROCESOS. Expositor M.Sc. Ing. Juan Pablo Hernández Flores

CONFERENCIA SEIS SIGMA CONTROL ESTADISTICO DE PROCESOS. Expositor M.Sc. Ing. Juan Pablo Hernández Flores CONFERENCIA SEIS SIGMA CONTROL ESTADISTICO DE PROCESOS Expositor M.Sc. Ing. Juan Pablo Hernández Flores BIENVENIDOS BIENVENIDOS TEMA CENTRAL Contenido: SEIS SIGMA Control Estadístico de Procesos Antecedentes

Más detalles

Master en Gestión de la Calidad

Master en Gestión de la Calidad Master en Gestión de la Calidad E U R O P E A N Q U A L I T Y 18. Estudios de Capacidad 1 / 1 Estudios de Capacidad: Lo que vamos a estudiar en este apartado se emplea tanto en la planificación de los

Más detalles

PROGRAMA DE MATERIA DATOS DE IDENTIFICACIÓN DESCRIPCIÓN GENERAL OBJETIVO (S) GENERAL (ES) TALLER DE CONTROL ESTADÍSTICO DE PROCESOS II

PROGRAMA DE MATERIA DATOS DE IDENTIFICACIÓN DESCRIPCIÓN GENERAL OBJETIVO (S) GENERAL (ES) TALLER DE CONTROL ESTADÍSTICO DE PROCESOS II DATOS DE IDENTIFICACIÓN CENTRO ACADÉMICO: DEPARTAMENTO ACADÉMICO: TALLER DE CONTROL ESTADÍSTICO DE PROCESOS II CIENCIAS BÁSICAS ESTADÍSTICA PROGRAMA EDUCATIVO: AÑO DEL PLAN DE ESTUDIOS: 2006 SEMESTRE:

Más detalles

Tema 3. Control estadístico de calidad. 3.1. Introducción. Qué es el control estadístico de la calidad? 3.2Introducción a los gráficos de control.

Tema 3. Control estadístico de calidad. 3.1. Introducción. Qué es el control estadístico de la calidad? 3.2Introducción a los gráficos de control. Tema 3 Control estadístico de calidad 3.1Introducción. Qué es el control estadístico de la calidad? 3.2Introducción a los gráficos de control. 3.3Gráficos de control para variables. 3.4Gráficos de control

Más detalles

Estadís1ca. María Dolores Frías Domínguez Jesús Fernández Fernández Carmen María Sordo. Tema 7. Control estadís1co de la calidad

Estadís1ca. María Dolores Frías Domínguez Jesús Fernández Fernández Carmen María Sordo. Tema 7. Control estadís1co de la calidad Estadís1ca Tema 7. Control estadís1co de la calidad María Dolores Frías Domínguez Jesús Fernández Fernández Carmen María Sordo Departamento de Matemá.ca Aplicada y Ciencias de la Computación Este tema

Más detalles

Capítulo 3. Análisis de Regresión Simple. 1. Introducción. Capítulo 3

Capítulo 3. Análisis de Regresión Simple. 1. Introducción. Capítulo 3 Capítulo 3 1. Introducción El análisis de regresión lineal, en general, nos permite obtener una función lineal de una o más variables independientes o predictoras (X1, X2,... XK) a partir de la cual explicar

Más detalles

CONTROL DE CALIDAD: control estadístico de procesos

CONTROL DE CALIDAD: control estadístico de procesos CONTROL DE CALIDAD: control estadístico de procesos Elodia Vives Besalduch Diseño de Experimentos, 4º 0. Índice 1. Introducción...3 1.1 Historia del control de la calidad...3 1.2 Calidad y sus tipos...4

Más detalles

CARTAS DE CONTROL. FeGoSa

CARTAS DE CONTROL. FeGoSa Las empresas en general, ante la apertura comercial han venido reaccionando ante los cambios y situaciones adversas, reaccionan por ejemplo ante: Disminución de ventas Cancelación de pedidos Deterioro

Más detalles

porcentaje de subgrupos que se considera fuera de control cuando el proceso está bajo control. Para ayudar a evaluar qué tan bien están funcionando

porcentaje de subgrupos que se considera fuera de control cuando el proceso está bajo control. Para ayudar a evaluar qué tan bien están funcionando Este documento forma parte de un conjunto de informes técnicos que explican la investigación llevada a cabo por los especialistas en estadística de Minitab para desarrollar los métodos y las verificaciones

Más detalles

LOS GRÁFICOS DE CONTROL POR ATRIBUTOS

LOS GRÁFICOS DE CONTROL POR ATRIBUTOS Revista de investigación Editada por Área de Innovación y Desarrollo, S.L. Envío: 20-02-2012 Aceptación: 29-02-2012 Publicación: 01-06-2012 LOS GRÁFICOS DE CONTROL POR ATRIBUTOS ATTRIBUTE CONTROL CHART

Más detalles

LA MEDIDA Y SUS ERRORES

LA MEDIDA Y SUS ERRORES LA MEDIDA Y SUS ERRORES Magnitud, unidad y medida. Magnitud es todo aquello que se puede medir y que se puede representar por un número. Para obtener el número que representa a la magnitud debemos escoger

Más detalles

UNIVERSIDAD DEL VALLE DE MÉXICO PROGRAMA DE ESTUDIO DE LICENCIATURA PRAXIS MES XXI

UNIVERSIDAD DEL VALLE DE MÉXICO PROGRAMA DE ESTUDIO DE LICENCIATURA PRAXIS MES XXI UNIVERSIDAD DEL VALLE DE MÉXICO PROGRAMA DE ESTUDIO DE LICENCIATURA PRAXIS MES XXI NOMBRE DE LA ASIGNATURA: CONTROL DE CALIDAD FECHA DE ELABORACIÓN: ENERO 2005 ÁREA DEL PLAN DE ESTUDIOS: AS ( ) AC ( )

Más detalles

www.fundibeq.org Además se recomienda su uso como herramienta de trabajo dentro de las actividades habituales de gestión.

www.fundibeq.org Además se recomienda su uso como herramienta de trabajo dentro de las actividades habituales de gestión. GRÁAFICOS DE CONTROL POR VARIABLES 1.- INTRODUCCIÓN Este documento describe la secuencia de construcción y las pautas de utilización de una de las herramientas más potentes para el control de procesos,

Más detalles

Técnicas para Mejorar la Calidad del Proceso y el Producto en las Industrias de Productos Madera: Una introducción al Control Estadístico del Proceso

Técnicas para Mejorar la Calidad del Proceso y el Producto en las Industrias de Productos Madera: Una introducción al Control Estadístico del Proceso Técnicas para Mejorar la Calidad del Proceso y el Producto en las Industrias de Productos Madera: Una introducción al Control Estadístico del Proceso Scott Leavengood Oregon State University Extension

Más detalles

www.fundibeq.org En estos casos, la herramienta Gráficos de Control por Variables" no es aplicable.

www.fundibeq.org En estos casos, la herramienta Gráficos de Control por Variables no es aplicable. GRAFICOS DE CONTROL POR ATRIBUTOS 1.- INTRODUCCIÓN Este documento describe la secuencia de construcción y las pautas de utilización de una de las herramientas para el control de procesos, los Gráficos

Más detalles

FACULTAD DE ENFERMERIA MAESTRÌA EN ENFERMERIA PROGRAMA DEL CURSO ESTADÌSTICA AVANZADA CODIGO MC1114 REQUISITOS EG2113 CREDITO: 4

FACULTAD DE ENFERMERIA MAESTRÌA EN ENFERMERIA PROGRAMA DEL CURSO ESTADÌSTICA AVANZADA CODIGO MC1114 REQUISITOS EG2113 CREDITO: 4 FACULTAD DE ENFERMERIA MAESTRÌA EN ENFERMERIA PROGRAMA DEL CURSO ESTADÌSTICA AVANZADA CODIGO MC1114 REQUISITOS EG2113 CREDITO: 4 REQUISITO LICENCIATURA EN ENFERMERÌA PROFESOR 1. Justificación. Se requiere

Más detalles

Control Estadístico de Procesos Parte 1. María Guadalupe Russell Noriega. Facultad de Ciencias Físico-Matemáticas Universidad Autónoma de Sinaloa.

Control Estadístico de Procesos Parte 1. María Guadalupe Russell Noriega. Facultad de Ciencias Físico-Matemáticas Universidad Autónoma de Sinaloa. Control Estadístico de Procesos Parte María Guadalupe Russell Noriega. Facultad de Ciencias Físico-Matemáticas Universidad Autónoma de Sinaloa. V Verano de Probabilidad y Estadística, CIMAT. Del al 6 de

Más detalles

% PRODUCTOS NO CONFORMES 10% 5%

% PRODUCTOS NO CONFORMES 10% 5% Departamento de Ingeniería Mecánica Tecnología Mecánica I 67.15 Unidad 13: Control de Calidad Ing. Sergio Laguzzi 1 TEMARIO - Definición de Calidad. Costos de la no Calidad. Estrategia de detección (Planes

Más detalles

Carta EWMA con varianza efectiva para monitorear variabilidad en procesos de control de calidad multivariados

Carta EWMA con varianza efectiva para monitorear variabilidad en procesos de control de calidad multivariados Revista Colombiana de Estadística Junio 2008, volumen 31, no. 1, pp. 131 a 143 Carta EWMA con varianza efectiva para monitorear variabilidad en procesos de control de calidad multivariados EWMA Chart Based

Más detalles

1. PRESENTACIÓN 2 2. CONTROL ESTADISTICO DE PROCESOS 6 3. INSTALACIÓN Y ARRANQUE 27 4. REGISTRO DE DATOS 37 5. CONFIGURACIÓN 47 6.

1. PRESENTACIÓN 2 2. CONTROL ESTADISTICO DE PROCESOS 6 3. INSTALACIÓN Y ARRANQUE 27 4. REGISTRO DE DATOS 37 5. CONFIGURACIÓN 47 6. CONTENIDO: 1. PRESENTACIÓN 2 2. CONTROL ESTADISTICO DE PROCESOS 6 3. INSTALACIÓN Y ARRANQUE 27 4. REGISTRO DE DATOS 37 5. CONFIGURACIÓN 47 6. GRÁFICOS 69 7. REPORTES 88 8. MENÚ VARIOS 95 9. MÓDULOS DE

Más detalles

Análisis y cuantificación del Riesgo

Análisis y cuantificación del Riesgo Análisis y cuantificación del Riesgo 1 Qué es el análisis del Riesgo? 2. Métodos M de Análisis de riesgos 3. Método M de Montecarlo 4. Modelo de Análisis de Riesgos 5. Qué pasos de deben seguir para el

Más detalles

CONTROL ESTADÍSTICO DE PROCESOS. ii. PRESENCIA DE CAUSAS ASIGNABLES iii. GRÁFICO DE MEDIAS Y RANGOS

CONTROL ESTADÍSTICO DE PROCESOS. ii. PRESENCIA DE CAUSAS ASIGNABLES iii. GRÁFICO DE MEDIAS Y RANGOS CONTROL ESTADÍSTICO DE PROCESOS INDICE 1. INTRODUCCIÓN 2. GRÁFICOS DE CONTROL POR VARIABLE (a) INTRODUCCIÓN i. TOLERANCIAEINDICEDECAPACIDAD ii. PRESENCIA DE CAUSAS ASIGNABLES iii. GRÁFICO DE MEDIAS Y RANGOS

Más detalles

Carta de control CEV X para distribuciones Weibull con datos censurados

Carta de control CEV X para distribuciones Weibull con datos censurados Revista Colombiana de Estadística Volumen 28 N o 2. pp. 125 a 139. Diciembre 2005 Carta de control CEV X para distribuciones Weibull con datos censurados CEV X Control Chart for Weibull Distributions with

Más detalles

VI. CAPACIDAD DE PROCESOS

VI. CAPACIDAD DE PROCESOS V. Capacidad de Procesos V. CAPACDAD DE PROCESOS NTRODUCCÓN Una vez hayamos comprobado que el proceso está bajo control, estaremos interesados en saber si es un proceso capaz, es decir, si cumple con las

Más detalles

LEAN SIX SIGMA YELLOW BELT

LEAN SIX SIGMA YELLOW BELT LEAN SIX SIGMA YELLOW BELT CARACTERISTICAS GENERALES Duración: 32 Horas Son personas que participan activamente en el desarrollo de los proyectos Lean-Six Sigma de su área de trabajo, si son operadores

Más detalles

TÉCNICO SUPERIOR UNIVERSITARIO EN PROCESOS INDUSTRIALES

TÉCNICO SUPERIOR UNIVERSITARIO EN PROCESOS INDUSTRIALES Pág. 1 de 16 TÉCNICO SUPERIOR UNIVERSITARIO EN PROCESOS INDUSTRIALES HOJA DE ASIGNATURA CON DESGLOSE DE UNIDADES TEMÁTICAS 1. Nombre de la asignatura Control estadístico del proceso 2. Competencias Administrar

Más detalles

ESTIMACIÓN. puntual y por intervalo

ESTIMACIÓN. puntual y por intervalo ESTIMACIÓN puntual y por intervalo ( ) Podemos conocer el comportamiento del ser humano? Podemos usar la información contenida en la muestra para tratar de adivinar algún aspecto de la población bajo estudio

Más detalles

CENTRO DE INGENIERIA DE LA CALIDAD CALI COLOMBIA www.cicalidad.com info@cicalidad.com

CENTRO DE INGENIERIA DE LA CALIDAD CALI COLOMBIA www.cicalidad.com info@cicalidad.com CENTRO DE INGENIERIA DE LA CALIDAD CALI COLOMBIA www.cicalidad.com info@cicalidad.com Control Estadístico de Procesos - (Statistical Process Control) El objetivo del Control estadístico de procesos es

Más detalles

GRÁFICOS DE CONTROL PARA LA MEDIA DE UN PROCESO EN POBLACIONES CON DISTRIBUCIÓN ASIMÉTRICA

GRÁFICOS DE CONTROL PARA LA MEDIA DE UN PROCESO EN POBLACIONES CON DISTRIBUCIÓN ASIMÉTRICA Revista Colombiana de Estadística Volumen 23 (2000) N 2, páginas 29 a 44 GRÁFICOS DE CONTROL PARA LA MEDIA DE UN PROCESO EN POBLACIONES CON DISTRIBUCIÓN ASIMÉTRICA EMERSON A. CHAPARRO S. * JOSE A. VARGAS

Más detalles

Precio del alquiler de pisos durante una serie de meses. Evolución del índice del precio del trigo con mediciones anuales.

Precio del alquiler de pisos durante una serie de meses. Evolución del índice del precio del trigo con mediciones anuales. Series Temporales Introducción Una serie temporal se define como una colección de observaciones de una variable recogidas secuencialmente en el tiempo. Estas observaciones se suelen recoger en instantes

Más detalles

Nombre de la asignatura: PLANIFICACIÓN Y CONTROL DE SISTEMAS DE CALIDAD. Horas teoría-horas prácticas-horas trabajo adicional-horas totales-créditos:

Nombre de la asignatura: PLANIFICACIÓN Y CONTROL DE SISTEMAS DE CALIDAD. Horas teoría-horas prácticas-horas trabajo adicional-horas totales-créditos: Nombre de la asignatura: PLANIFICACIÓN Y CONTROL DE SISTEMAS DE CALIDAD Líneas de trabajo: Ingeniería Estadística de Procesos Horas teoría-horas prácticas-horas trabajo adicional-horas totales-créditos:

Más detalles

Control de procesos por atributos

Control de procesos por atributos Capítulo 5 Control de procesos por atributos 1. Introducción 2. Gráfico P 3. Gráfico NP 4. Gráfico C 5. Gráfico U Apéndice: Curva Característica de Operaciones 1 Apuntes realzados por el Profesor Ismael

Más detalles

Introducción a MINITAB 15. David R. González Barreto. Ofrecido en Wyeth, Carolina, Puerto Rico

Introducción a MINITAB 15. David R. González Barreto. Ofrecido en Wyeth, Carolina, Puerto Rico Introducción a MINITAB 15 Ofrecido en Wyeth, Carolina, Puerto Rico INDICE Listado de Archivos...2 Pantalla Principal..3 Texto a Número.4 Estibar (Stack)..6 Split 8 Dotplot Una población.10 Dotplot Dos

Más detalles

TÉCNICO SUPERIOR UNIVERSITARIO EN ENERGIAS RENOVABLES EN COMPETENCIAS PROFESIONALES ASIGNATURA DE CALIDAD Y ESTADISTICA

TÉCNICO SUPERIOR UNIVERSITARIO EN ENERGIAS RENOVABLES EN COMPETENCIAS PROFESIONALES ASIGNATURA DE CALIDAD Y ESTADISTICA TÉCNICO SUPERIOR UNIVERSITARIO EN ENERGIAS RENOVABLES EN COMPETENCIAS PROFESIONALES ASIGNATURA DE CALIDAD Y ESTADISTICA 1. Competencias Formular proyectos de energías renovables mediante diagnósticos energéticos

Más detalles

Producción de Leche Inocuidad y calidad de leche y productos lácteos agosto 2014. Control de Calidad: Herramientas Estadísticas

Producción de Leche Inocuidad y calidad de leche y productos lácteos agosto 2014. Control de Calidad: Herramientas Estadísticas FACULTAD DE VETERINARIA MAESTRÍA EN PRODUCCIÓN ANIMAL Producción de Leche Inocuidad y calidad de leche y productos lácteos agosto 2014 Control de Calidad: Herramientas Estadísticas José Piaggio CONTENIDOS

Más detalles

tecnología aplicada a la calidad SuperCEP Descripción del Software

tecnología aplicada a la calidad SuperCEP Descripción del Software SuperCEP Descripción del Software Introducción Qué imagen viene a su mente cuando oye hablar de ISO 9001:2008? El talón de Aquiles en muchos sistemas de gestión de la calidad ISO 9001:2008 es el capítulo

Más detalles

8.1. Introducción... 1. 8.2. Dependencia/independencia estadística... 2. 8.3. Representación gráfica: diagrama de dispersión... 3. 8.4. Regresión...

8.1. Introducción... 1. 8.2. Dependencia/independencia estadística... 2. 8.3. Representación gráfica: diagrama de dispersión... 3. 8.4. Regresión... Tema 8 Análisis de dos variables: dependencia estadística y regresión Contenido 8.1. Introducción............................. 1 8.2. Dependencia/independencia estadística.............. 2 8.3. Representación

Más detalles

Aplicaciones de la Probabilidad en la Industria

Aplicaciones de la Probabilidad en la Industria Aplicaciones de la Probabilidad en la Industria Dr. Enrique Villa Diharce CIMAT, Guanajuato, México Verano de probabilidad y estadística CIMAT Guanajuato,Gto. Julio 2010 Contenido: 1.- Introducción Introducción

Más detalles

Diplomatura Lean Manufacturing (Manufactura Esbelta) Proceso Lean Manufacturing (definir, medir, analizar, mejorar y controlar)

Diplomatura Lean Manufacturing (Manufactura Esbelta) Proceso Lean Manufacturing (definir, medir, analizar, mejorar y controlar) Diplomatura Lean Manufacturing (Manufactura Esbelta) Proceso Lean Manufacturing (definir, medir, analizar, mejorar y controlar) CONSULTOR EMPRESARIAL FASE DE DEFINICIÓN Selección y justificación del proyecto

Más detalles

PROPIEDADES ESTADÍSTICAS DE PROCEDIMIENTOS DE MONITORIZACIÓN DE RESIDUOS EN UN PROCESO REGULADO

PROPIEDADES ESTADÍSTICAS DE PROCEDIMIENTOS DE MONITORIZACIÓN DE RESIDUOS EN UN PROCESO REGULADO 27 Congreso Nacional de Estadística e Investigación Operativa Lleida, 8-11 de abril de 2003 PROPIEDADES ESTADÍSTICAS DE PROCEDIMIENTOS DE MONITORIZACIÓN DE RESIDUOS EN UN PROCESO REGULADO J.M. Prats, C.

Más detalles

www.bvbusiness-school.com

www.bvbusiness-school.com Gráficos de Control de Shewart www.bvbusiness-school.com GRÁFICOS DE CONTROL DE SHEWART Una de las herramientas estadísticas más importantes en el Control Estadístico de Procesos son los Gráficos de Control.

Más detalles

el proceso está bajo control. La tasa de falsas alarmas puede evaluarse calculando el porcentaje de subgrupos que se considera fuera de control

el proceso está bajo control. La tasa de falsas alarmas puede evaluarse calculando el porcentaje de subgrupos que se considera fuera de control Este documento forma parte de un conjunto de informes técnicos que explican la investigación llevada a cabo por los especialistas en estadística de Minitab para desarrollar los métodos y las verificaciones

Más detalles

Procedimiento de calibración de comparadores neumáticos ETAMIC

Procedimiento de calibración de comparadores neumáticos ETAMIC Procedimiento de calibración de comparadores neumáticos ETAMIC Jorge Alonso * Vigo, 1999 (original) 06/2005 v2.1.0 Índice 1. Introducción 1 2. Generalidades 1 2.1. Campo de aplicación.......... 1 2.2.

Más detalles

Programa docente de "CONTROL DE CALIDAD EN LA INDUSTRIA QUÍMICA "

Programa docente de CONTROL DE CALIDAD EN LA INDUSTRIA QUÍMICA Programa docente de "CONTROL DE CALIDAD EN LA INDUSTRIA QUÍMICA " Curso Académico 2009-10 Datos administrativos da Universidade Código da materia 307410611 Nome da materia CONTROL DE CALIDAD EN LA INDUSTRIA

Más detalles

Comparación de proporciones

Comparación de proporciones 11 Comparación de proporciones Neus Canal Díaz 11.1. Introducción En la investigación biomédica se encuentran con frecuencia datos o variables de tipo cualitativo (nominal u ordinal), mediante las cuales

Más detalles

CONTROL ESTADÍSTICO DE PROCESOS: GRÁFICOS DE CONTROL

CONTROL ESTADÍSTICO DE PROCESOS: GRÁFICOS DE CONTROL CONTROL ESTADÍSTICO DE PROCESOS: GRÁFICOS DE CONTROL Andrés Carrión García René Maluenda Molla MMI CONTROL ESTADÍSTICO DE PROCESOS. GRÁFICOS DE CONTROL CONTENIDOS 1. Calidad y características de calidad....

Más detalles

7 HERRAMIENTAS PARA EL CONTROL DE LA CALIDAD

7 HERRAMIENTAS PARA EL CONTROL DE LA CALIDAD Agencia de Cooperación Internacional del Japón Universidad de Santiago de Chile Facultad de Ingeniería Departamento de Ingeniería Industrial 7 HERRAMIENTAS PARA EL CONTROL DE LA CALIDAD Elaboración: Kiyohiro

Más detalles

HOJA DE ASIGNATURA CON DESGLOSE DE UNIDADES TEMÁTICAS

HOJA DE ASIGNATURA CON DESGLOSE DE UNIDADES TEMÁTICAS TÉCNICO SUPERIOR UNIVERSITARIO EN ENERGÍAS RENOVABLES Página 1 de 22 HOJA DE ASIGNATURA CON DESGLOSE DE UNIDADES TEMÁTICAS 1. Nombre de la Asignatura Calidad y estadística 2. Competencias Formular proyectos

Más detalles

EMPLEO DEL CONTROL ESTADISTICO DE PROCESO COMO PARTE DE UN PLAN DE ASEGURAMIENTO DE LA CALIDAD Acosta, S. 1, Lewis, C. 2 RESUMEN

EMPLEO DEL CONTROL ESTADISTICO DE PROCESO COMO PARTE DE UN PLAN DE ASEGURAMIENTO DE LA CALIDAD Acosta, S. 1, Lewis, C. 2 RESUMEN EMPLEO DEL CONTROL ESTADISTICO DE PROCESO COMO PARTE DE UN PLAN DE ASEGURAMIENTO DE LA CALIDAD Acosta, S. 1, Lewis, C. 2 1,2 Autoridad Regulatoria Nuclear Buenos Aires, Argentina sacosta@arn.gob.ar RESUMEN

Más detalles

ESPECIALIZACIÓN EN ESTADÍSTICA

ESPECIALIZACIÓN EN ESTADÍSTICA MISIÓN Formar profesionales altamente capacitados, desarrollar investigación y realizar actividades de extensión en Matemáticas y Computación, así como en sus diversas aplicaciones. CONTROL DE CALIDAD

Más detalles

HERRAMIENTAS ESTADÍSTICAS BÁSICAS EN EL CONTROL Y MEJORA DE LA CALIDAD. UNA APLICACIÓN EN LA INDUSTRIA AGROALIMENTARIA

HERRAMIENTAS ESTADÍSTICAS BÁSICAS EN EL CONTROL Y MEJORA DE LA CALIDAD. UNA APLICACIÓN EN LA INDUSTRIA AGROALIMENTARIA HERRAMIENTAS ESTADÍSTICAS BÁSICAS EN EL CONTROL Y MEJORA DE LA CALIDAD. UNA APLICACIÓN EN LA INDUSTRIA AGROALIMENTARIA María del Carmen Huerga Castro - ddechc@unileon.es Julio Ignacio Abad González - ddejag@unileon.es

Más detalles

El Rol de la Estadística en el Control de la Calidad

El Rol de la Estadística en el Control de la Calidad El Rol de la Estadística en el Control de la Calidad Jaime Mosquera Restrepo Profesor Escuela de Estadística. Universidad del Valle jaime.mosquera@correounivalle.edu.co Que es calidad? Como se evalúa la

Más detalles

CARTAS DE CONTROL: SU EFECTIVIDAD PARA DETECTAR CAMBIOS

CARTAS DE CONTROL: SU EFECTIVIDAD PARA DETECTAR CAMBIOS CARTAS DE CONTROL: SU EFECTIVIDAD PARA DETECTAR CAMBIOS MEDIANTE UN ENFOQUE POR CADENAS DE MARKOV ABSORBENTES Lidia Toscana - Nélida Moretto - Fernanda Villarreal Universidad Nacional del Sur, ltoscana@criba.edu.ar

Más detalles

www.bvbusiness-school.com

www.bvbusiness-school.com Gráficos de Control por Variables www.bvbusiness-school.com GÁFICOS DE CONTOL PO VAIABLES Los gráficos de control por variables se utilizan para aquellas características de calidad que permiten ser medidas

Más detalles

Diplomatura en GESTIÓN INTEGRAL DE LA CALIDAD 16 edición

Diplomatura en GESTIÓN INTEGRAL DE LA CALIDAD 16 edición Diplomatura en GESTIÓN INTEGRAL DE LA CALIDAD 16 edición TEMARIO Módulo I - Gerenciamiento y Liderazgo 1. Filosofías y Enfoques de Calidad. a. Evolución de la calidad moderna, desde el control de calidad

Más detalles

I1.1 Estudios observacionales IISESIÓN DISEÑO O DE ESTUDIOS EN INVESTIGACIÓN N MÉDICA DESCRIPTIVA CURSO DE. 1.2 Estudios experimentales

I1.1 Estudios observacionales IISESIÓN DISEÑO O DE ESTUDIOS EN INVESTIGACIÓN N MÉDICA DESCRIPTIVA CURSO DE. 1.2 Estudios experimentales 1 2 3 4 5 6 ESQUEMA DEL CURSO ESTADÍSTICA BÁSICA DISEÑO DE EXPERIMENTOS CURSO DE ESTADÍSTICA STICA BÁSICAB ESTADÍSTICA DESCRIPTIVA TIPOS DE VARIABLES MEDIDAS DE POSICIÓN CENTRAL Y DE DISPERSIÓN TABLAS

Más detalles

TEMA 4: Introducción al Control Estadístico de Procesos

TEMA 4: Introducción al Control Estadístico de Procesos TEMA 4: Introducción al Control Estadístico de Procesos 1 Introducción 2 Base estadística del diagrama de control 3 Muestreo y agrupación de datos 4 Análisis de patrones en diagramas de control 1. Introducción

Más detalles

Control Estadístico de Procesos

Control Estadístico de Procesos Control Estadístico de Procesos Lic. Elda Monterroso UNLu Características de calidad Variables Características que se pueden medir (peso, longitud, temperatura, etc.) Pueden ser números enteros o fracciones

Más detalles

STATISTICAL PROCESS CONTROL: MANUAL REFERENCIA QS 9000

STATISTICAL PROCESS CONTROL: MANUAL REFERENCIA QS 9000 STATISTICAL PROCESS CONTROL: MANUAL REFERENCIA QS 9000 SECCIÓN 2: SISTEMA DE CONTROL 1.- Proceso: Se entiende por proceso, la combinación de suministradores, productores, personas, equipos, imputs de materiales,

Más detalles

Estadística Administrativa I

Estadística Administrativa I 1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Estadística Administrativa I Licenciatura en Administración ADT-0426 2-3-7 2.-

Más detalles

INDICE Prefacio 1 Introducción 2 Organizaciones de los datos para que transmitan un significado: tablas y graficas

INDICE Prefacio 1 Introducción 2 Organizaciones de los datos para que transmitan un significado: tablas y graficas INDICE Prefacio 1 Introducción 1-1 Preámbulo 1-2 Reseña histórica 1-3 Subdivisiones de la estadística 1-4 Estrategia, suposiciones y enfoque 2 Organizaciones de los datos para que transmitan un significado:

Más detalles

www.bvbusiness-school.com

www.bvbusiness-school.com Control Estadístico de Procesos www.bvbusiness-school.com CONTROL ESTADÍSTICO DE PROCESOS El es un conjunto de técnicas estadísticas destinadas a hacer un seguimiento, en tiempo real, de la calidad que

Más detalles

Pequeñas charlas para montaje industrial Fernando Espinosa Fuentes

Pequeñas charlas para montaje industrial Fernando Espinosa Fuentes Pequeñas charlas para montaje industrial Fernando Espinosa Fuentes Aunque se tenga un valor nominal determinado, nunca se podrá definir el valor real del mismo, pues nunca se podría asegurar que el sistema

Más detalles

Statistical Software. Aprenda más al respecto

Statistical Software. Aprenda más al respecto Statistical Software Actualice ahora para obtener acceso a más de 70 nuevas características y mejoras que incluyen herramientas estadísticas más poderosas, un nuevo Asistente que le guiará paso a paso

Más detalles

ANÁLISIS DEL MERCADO DE VALORES (3º GADE)

ANÁLISIS DEL MERCADO DE VALORES (3º GADE) ANÁLISIS DEL MERCADO DE VALORES (3º GADE) PARTE II: TEORÍAS Y TÉCNICAS DE EVALUACIÓN DE INVERSIONES. TEMA 7: ANÁLISIS TÉCNICO DE TÍTULOS DE RENTA VARIABLE ÍNDICE DE CONTENIDOS 7.1.- Tipos de gráficos 7.2.-

Más detalles

Control de la Calidad

Control de la Calidad Producción II (492) 496 PAG: 1 1 4 Universidad Central de Venezuela Facultad de Escuela de Departamento de Unidad Docente y de Investigación Producción Asignatura Producción II (492) 496 PAG: 2 1 4 1.

Más detalles

TEMA 9: Desarrollo de la metodología de Taguchi

TEMA 9: Desarrollo de la metodología de Taguchi TEMA 9: Desarrollo de la metodología de Taguchi 1 La filosofía de la calidad de Taguchi 2 Control de calidad Off Line y On Line Calidad Off Line Calidad On Line 3 Función de pérdida 4 Razones señal-ruido

Más detalles

TEMA 6: Gráficos de Control por Variables

TEMA 6: Gráficos de Control por Variables TEMA 6: Gráficos de Control por Variables 1 Introducción 2 Gráficos de control de la media y el rango Función característica de operación 3 Gráficos de control de la media y la desviación típica 4 Gráficos

Más detalles

4. HERRAMIENTAS ESTADÍSTICAS

4. HERRAMIENTAS ESTADÍSTICAS 4. HERRAMIENTAS ESTADÍSTICAS 4.1 Definiciones La mayor parte de las decisiones se toman en función de la calidad, como en la mayoría de las demás áreas del moderno esfuerzo humano (por ejemplo, en la evaluación

Más detalles

4.1 GRAFICA DE CONTROL Y CONCEPTOS ESTADISTICOS

4.1 GRAFICA DE CONTROL Y CONCEPTOS ESTADISTICOS 4.1 GRAFICA DE CONTROL Y CONCEPTOS ESTADISTICOS Un proceso de control es aquel cuyo comportamiento con respecto a variaciones es estable en el tiempo. Las graficas de control se utilizan en la industria

Más detalles

GRAFICAS DE CONTROL. Angel Francisco Arvelo L.

GRAFICAS DE CONTROL. Angel Francisco Arvelo L. GRAFICAS DE CONTROL Angel Francisco Arvelo L. Caracas, Marzo de 2006 1 ANGEL FRANCISCO ARVELO LUJAN Angel Francisco Arvelo Luján es un Profesor Universitario Venezolano en el área de Probabilidad y Estadística,

Más detalles

DIAGRAMAS DE CONTROL TEORÍA GENERAL

DIAGRAMAS DE CONTROL TEORÍA GENERAL 1. DESARROLLO HISTÓRICO DIAGRAMAS DE CONTROL TEORÍA GENERAL 20 s Shewhart Primeros avances en el control estadístico de calidad. Segunda Guerra Mundial Se emplearon con mayor fuerza No se utilizaron Deming

Más detalles

CARTA DESCRIPTIVA. I. Identificadores de la asignatura. Instituto: IIT Modalidad: Presencial. Departamento: Ingeniería Civil y Ambiental.

CARTA DESCRIPTIVA. I. Identificadores de la asignatura. Instituto: IIT Modalidad: Presencial. Departamento: Ingeniería Civil y Ambiental. CARTA DESCRIPTIVA I. Identificadores de la asignatura Instituto: IIT Modalidad: Presencial Departamento: Materia: Ingeniería Civil y Ambiental Estadística con Aplicación a la Ingeniería Ambiental Créditos:

Más detalles

DEPARTAMENTO DE INGENIERÍA MECÁNICA DISEÑO MECÁNICO INGENIERÍA INDUSTRIAL

DEPARTAMENTO DE INGENIERÍA MECÁNICA DISEÑO MECÁNICO INGENIERÍA INDUSTRIAL DEPARTAMENTO DE INGENIERÍA MECÁNICA DISEÑO MECÁNICO INGENIERÍA INDUSTRIAL Higinio Rubio Alonso INTRODUCCIÓN! Evolución tecnológica Necesidad de piezas más precisas! Creación de normas! Estandarización

Más detalles

ANÁLISIS DESCRIPTIVO CON SPSS

ANÁLISIS DESCRIPTIVO CON SPSS ESCUELA SUPERIOR DE INFORMÁTICA Prácticas de Estadística ANÁLISIS DESCRIPTIVO CON SPSS 1.- INTRODUCCIÓN Existen dos procedimientos básicos que permiten describir las propiedades de las distribuciones:

Más detalles

todas especialidades Soluciones de las hojas de problemas

todas especialidades Soluciones de las hojas de problemas Universidad Politécnica de Cartagena Dpto. Matemática Aplicada y Estadística Ingeniería Técnica Industrial Métodos estadísticos de la ingeniería Métodos estadísticos de la ingeniería Ingeniería Técnica

Más detalles

TÉCNICAS ESTADÍSTICAS DE CONTROL DE CALIDAD (12249)

TÉCNICAS ESTADÍSTICAS DE CONTROL DE CALIDAD (12249) LICENCIATURA EN ADMINISTRACIÓN Y DIRECCIÓN DE EMPRESAS GUÍA DOCENTE DE LA ASIGNATURA TÉCNICAS ESTADÍSTICAS DE CONTROL DE CALIDAD (12249) CARÁCTER: OPTATIVA CRÉDITOS: 6 DEPARTAMENTO ECONOMÍA APLICADA PROFESOR:

Más detalles

Curso: La Gestión de Proyectos según la Guía PMBOK y preparación al examen de certificación PMP del PMI

Curso: La Gestión de Proyectos según la Guía PMBOK y preparación al examen de certificación PMP del PMI Curso: La Gestión de Proyectos según la Guía PMBOK y preparación al examen de certificación PMP del PMI 1a. Sesión: Introducción: PMI, PMBOK y la Certificación PMP. Versión: Octubre 2013 JAIME RAMONET

Más detalles

MANUAL DE ASEGURAMIENTO DE LA CALIDAD

MANUAL DE ASEGURAMIENTO DE LA CALIDAD PÁGINA: 1 de 12 1 Objetivos: Dar a conocer los controles que se realizarán a los procedimientos de ensayos analíticos con el fin de obtener resultados de precisión y sesgo conocidos, de tal forma que sean

Más detalles