GRÁFICOS DE CONTROL. Datos tipo atributo

Documentos relacionados
Objetivos. Epígrafes 3-1. Francisco José García Álvarez

UNIDAD 12.- Estadística. Tablas y gráficos (tema12 del libro)

CALCULO INTEGRAL CONCEPTOS DE AREA BAJO LA CURVA. (Se utiliza el valor de la función en el extremo izquierdo de cada subintervalo)

Tema 5 Algunas distribuciones importantes

Control Estadístico de Procesos (SPC) para NO estadísticos.

Matemáticas 2.º Bachillerato. Intervalos de confianza. Contraste de hipótesis

Medidas de centralización

2.- Tablas de frecuencias

Cantidad de producto en preempacados. Presentador: Lic. Douglas Arias Molina Laboratorio Costarricense de Metrología

Interpretación de gráficas 1

Aplicaciones de la Probabilidad en la Industria

1 Introducción. 2 Modelo. Hipótesis del modelo MODELO DE REGRESIÓN LOGÍSTICA

Conceptos básicos estadísticos

Tablas de frecuencias con datos agrupados

Ejercicio resuelto Nº 1 Determinar la resistencia equivalente para la asociación:

Otra característica poblacional de interés es la varianza de la población, 2, y su raíz cuadrada, la desviación estándar de la población,. La varianza

Micro y Macroeconomía

Teorema Central del Límite (1)

Comprobar experimentalmente la ley de Ohm y las reglas de Kirchhoff. Determinar el valor de resistencias.

PROPIEDADES DE LOS CAMPOS. Cada campo de una tabla dispone de una serie de características que proporcionan un control

PREPARACION OLIMPIADA MATEMATICA CURSO

M ÉTODO DE MUESTREO DE GEOSINTÉTICOS PARA ENSAYOS I.N.V. E

Tema 3: Planeamiento de la Utilidad

GUÍA DE EDUCACIÓN MATEMÁTICA: DATOS Y AZAR NOMBRE: CURSO: FECHA:

3. ASOCIACIÓN ENTRE DOS VARIABLES CUALITATIVAS

ESTADÍSTICA CON EXCEL

CAPITULO XII PUENTES DE CORRIENTE ALTERNA

TEMA 3: Control Estadístico de la Calidad

PROBABILIDADES VARIABLES ALEATORIAS Y SUS DISTRIBUCIONES. Prof. Johnny Montenegro 1 M.

Tema 5: Introducción a la inferencia estadística

Pruebas de Hipótesis-ANOVA. Curso de Seminario de Tesis Profesor QF Jose Avila Parco Año 2016

13. Utilizar la fórmula del término general y de la suma de n términos consecutivos

Operaciones de números racionales

Tema 3: Sistemas de ecuaciones lineales

PLANEACIÓN AGREGADA VARIABLES Y CONSIDERACIONES DE UN PLAN AGREGADO

INTERVALO DE CONFIANZA PARA LA PROPORCIÓN

Capitulo 4. DECISIONES BAJO RIESGO TEORIA DE JUEGOS

Estudio de fallas asimétricas

CALIDAD 1 JOSÉ MANUEL DOMENECH ROLDÁN PROFESOR DE ENSEÑANZA SECUNDARIA

CORPORACIÓN UNIFICADA NACIONAL DE EDUCACIÓN SUPERIOR FACULTAD DE INGENIERIAS LINEA INFORMÁTICA GUIA TABLAS DINÁMICAS

DESPLIEGUE DE LA CALIDAD (Quality Function Deployment, QFD)

Tema 5. Contraste de hipótesis (I)

Ministerio de Educación. Base de datos en la Enseñanza. Open Office. Módulo 5: Informes

PROBLEMAS Y EJERCICIOS RESUELTOS SOBRE FUERZA ELECTROMOTRIZ, FUERZA CONTRAELECTROMOTRIZ, CIRCUITOD DE CORRIENTE CONTINUA A C B

Taller: Planificación con Matriz de Marco Lógico. Vólker Gutiérrez Aravena Presidente Cultura Mapocho

DISTRIBUCIONES BIDIMENSIONALES

Vamos a profundizar un poco sobre los distintos tipos de datos que podemos introducir en las celdas de una hoja de cálculo

Este documento enumera los diferentes tipos de Diagramas Matriciales y su proceso de construcción.

LEY DE OHM Y PUENTE DE WHEATSTONE

4. NÚMEROS PSEUDOALEATORIOS.

ANEXO 1. CALIBRADO DE LOS SENSORES.

Tema 2. Descripción Conjunta de Varias Variables

CONTENIDOS MÍNIMOS BLOQUE 2. NÚMEROS

c). Conceptos. Son los grupos o conceptos que se enlistan en las filas de la izquierda de la tabla

U.D.1: Análisis estadístico de una variable Consideraciones iniciales: Propuesta: 1.1 Distribución de frecuencias. Variables Cualitativas: Ejemplo

TEMA 3: Inspección Estadística por Variables

Contabilidad de Costos

TEMA 1. MATRICES, DETERMINANTES Y APLICACIÓN DE LOS DETERMINANTES. CONCEPTO DE MATRIZ. LA MATRIZ COMO EXPRESIÓN DE TABLAS Y GRAFOS.

PROCEDIMIENTO DE CALIBRACIÓN DE PIES DE REY

ESTADÍSTICA DESCRIPTIVA

A. Menéndez Taller CES 15_ Confiabilidad. 15. Confiabilidad

Introducción. Flujo Eléctrico.

CONTRASTES DE HIPÓTESIS NO PARAMÉTRICOS

Simulación I. Investigación Operativa, Grado en Estadística y Empresa, 2011/12

Números Complejos Matemáticas Básicas 2004

2. Recolección de información - Medidas de posición: moda, media aritmética, mínimo, máximo - Frecuencia absoluta, relativa y porcentual

Dos inecuaciones se dice que son equivalentes cuando ambas tienen las mismas soluciones.

Tercera práctica de REGRESIÓN.

Algebra lineal y conjuntos convexos

CAPÍTULO 4: VARIABLES Y RAZONES

Aprende a contar ángulos dividiendo una circunferencia, realiza operaciones y busca patrones de repetición. Afna tu puntería, gira y dispara!

INFORME SOBRE LA TRANSMISIÓN DE PROMOCIONALES EXCEDENTES

UNIVERSIDAD INTERAMERICANA DE PUERTO RICO RECINTO DE ARECIBO CENTRO DE SERVICIOS DE APOYO AL ESTUDIANTE

Metodología de la Investigación [DII-711] Capítulo 7: Selección de la Muestra

Unidad IV. Una variable aleatoria X es continua si su función de distribución es una función continua.

«La derivada de una función en un punto representa geométricamente la pendiente de la recta tangente a la función en dicho punto»

III Verano de Probabilidad y Estadística Curso de Procesos de Poisson (Víctor Pérez Abreu) Lista de Ejercicios

ANALISIS Y GESTION DE RIESGOS DE LOS ALERGENOS. Patricia Galán

ELECTRODINAMICA. Nombre: Curso:

Vectores y rectas. 4º curso de E.S.O., opción B. Modelo de examen (ficticio)

CONTENIDOS Y CRITERIOS DE EVALUACIÓN MATEMÁTICAS 6º ED.

APÉNDICE B LISTAS DE MEDICIÓN DE CUMPLIMIENTO Y VERIFICACIÓN

CAPITULO II ANÁLISIS DEL CRECIMIENTO POBLACIONAL Y CALCULO DE CAUDALES DE DISEÑO

Ejemplos y ejercicios de. Estadística Descriptiva. yanálisis de Datos. 2 Descripción estadística de una variable. Ejemplos y ejercicios.

Tema 14: Sistemas Secuenciales

UNIDAD 10: ECUACIONES DE SEGUNDO GRADO.

Fundamentos de negocio Contabilidad > Documentos necesarios para manejar bien tu negocio >Los documentos básicos de compra

MEDIDAS ESTADÍSTICAS Medidas de Tendencia Central y de Variabilidad

BLOQUE I: GEOMETRÍA PLANA Y FIGURAS GEOMÉTRICAS. Ecuaciones y sistemas. 2 (20 horas) Funciones y gráficas. 2 (20 horas) Estadística y probabilidad

Elaboración de Documentos en Procesadores de Textos

1.3.- V A L O R A B S O L U T O

6. FLUJO DE EFECTIVO DEL PROYECTO DE ESTUDIO

Carrera: Diseño Industrial

INTERVALOS DE CONFIANZA. La estadística en cómic (L. Gonick y W. Smith)

Modelización por medio de sistemas

b) dado que es en valor absoluto será el área entre -1,071 y 1,071 luego el resultado será F(1,071)-(1-F(1,071)=0,85-(1-0,85)=0,7

Para poder realizar este cambio en Deporwin, hemos añadido una nueva opción, que nos permitirá realizarlo de forma simple y rápida.

Matemáticas UNIDAD 5 CONSIDERACIONES METODOLÓGICAS. Material de apoyo para el docente. Preparado por: Héctor Muñoz

Transcripción:

GRÁFICOS DE CONTROL Datos tipo atributo

SELECCIÓN DE LOS GRÁFICOS DE CONTROL

GRÁFICOS PARA ATRIBUTOS Se distinguen dos grandes grupos: Los gráficos p, 100p y u difieren de los gráficos np y c en que los primeros son gráficos en los que se controla la proporción de unidades defectuosas o defectos por unidad por lo que el tamaño de muestra no es necesariamente constante dado que la base de comparación es la misma. Los segundos, los gráficos np y c controlan número de unidades defectuosas y número de defectos por lo que es necesario en su construcción que el tamaño de la muestra permanezca constante para lograr una base de comparación homogénea.

El siguiente cuadro presenta un resumen GRÁFICOS PARA ATRIBUTOS

GRÁFICOS PARA UNIDADES DEFECTUOSAS Este tipo de gráficos se utiliza cuando queremos controlar la evolución a lo largo del tiempo de la producción de unidades defectuosas. El problema por lo tanto consistirá en coger muestras de tamaño n y separar las unidades de dicha muestra en defectuosas y no defectuosas. Cuando el proceso esté bajo control, se cumple lo siguiente: a) Si consideramos que una serie de unidades escogidas en un momento determinado de la producción constituyen una muestra aleatoria simple de la población compuesta por las unidades que el proceso produciría en esas mismas condiciones, la proporción de elementos defectuosos fabricados a la que denominaremos p se mantendrá constante con el tiempo y no va a modificarse con el muestreo. b) La producción de una unidad defectuosa en un momento dado es independiente de que las unidades anteriores hayan sido defectuosas o no.

GRÁFICOS PARA UNIDADES DEFECTUOSAS Recogida de datos.- Se requieren tamaños de muestra muy grandes por lo general, del orden de 50 a 200. El tamaño de la muestra no debe ser nunca inferior a 30 unidades. Intervalos de la toma de muestras.- Los puntos básicos a tener en cuenta son: - No establecer tomas de muestra en períodos que la experiencia nos garantice continuidad en el proceso. -Establecer tomas de muestra siempre que exista posibilidad de cambio en el proceso, como por ejemplo: Cambio de turnos Relevo de operarios Cambio de la materia prima Cambio de herramienta Parada y arranque de la máquina etc.

GRÁFICOS PARA UNIDADES DEFECTUOSAS Recogida de datos.- 1º ) Se comprueba la primera característica a controlar en cada una de las piezas de la muestra, dejando aparte aquellas que tengan una no conformidad en esta característica. Se cuentan y se anota el número resultante en el del "defecto A". 2º ) Se vuelven a unir estas unidades al resto y se repite la inspección de todas las piezas de la muestra para la segunda característica a controlar, separándose las unidades que tengan no conformidades anotando el número de las mismas en el "defecto B". Este proceso se repite para el resto de características a controlar. 3º) Se anota el tamaño de la muestra en la casilla "Piezas Inspeccionadas". 4º ) En la casilla "Piezas Defectuosas" se anotará el total de unidades que hayan resultado con no conformidades. Es necesario aclarar que el número de Piezas Defectuosas no tiene por qué coincidir con la suma de la columna de los defectos hallados A, B, etc.

GRÁFICOS PARA UNIDADES DEFECTUOSAS Supongamos que en una muestra de 50 unidades ha resultado en la primera toma de muestra los siguientes: Con estos datos, nuestras Anotaciones serían: Defecto A...2, Defecto B...3, Defecto C...2: Piezas Defectuosas...4 Hay un total de siete defectos, pero, al haber piezas con más de un defecto, el número de piezas defectuosas es sólo de cuatro. A partir de este punto el proceso es distinto según se trate de un gráfico p o np.

GRÁFICOS PARA UNIDADES DEFECTUOSAS Gráfico p muestra constante Gráfico de proporción de unidades defectuosas p.- Una vez completados los pasos anteriores, se calcula la proporción de unidades defectuosas p dividiendo el número de unidades defectuosas de la muestra por el número de unidades inspeccionadas (tamaño de la muestra) anotando dicho valor p y representándolo en el gráfico. Punto a representar: Gráfico p (n = constante) Línea central:

GRÁFICOS PARA UNIDADES DEFECTUOSAS Gráfico p muestra constante Límites de control: Se repite este proceso hasta lograr una cierta regularidad estadística. Lo normal es utilizar un período de 20 tomas de muestra. Tamaño de muestra constante para cada uno de los subgrupos.- Una vez completo el período calculamos la fracción defectuosa media p y los límites de control superior e inferior. Puesto que no tiene sentido hablar de proporciones de unidades defectuosas con valores inferiores a cero, en el caso de que la expresión del límite inferior de control resultara un valor negativo, el límite inferior de control toma el valor cero.

GRÁFICOS PARA UNIDADES DEFECTUOSAS: Ejemplo Gráfico p muestra constante Un taller desea establecer la fracción defectuosa de una cierta producción. Durante un período de 20 días se inspeccionaron 60 piezas con los resultados siguientes:

GRÁFICOS PARA UNIDADES DEFECTUOSAS: Ejemplo Gráfico p muestra constante

GRÁFICOS PARA UNIDADES DEFECTUOSAS Tamaño de muestra variable para cada uno de los subgrupos.- Frecuentemente existen situaciones en las que no es posible que el tamaño de la muestra permanezca constante por lo que es necesario utilizar un gráfico que tenga en cuenta la variación del tamaño de muestra. Las expresiones a utilizar son similares a las del caso de tamaño de muestra constante salvo una pequeña modificación consistente en particularizar el tamaño de muestra n para cada subgrupo (ni).

GRÁFICOS PARA UNIDADES DEFECTUOSAS: Ejemplo Ejemplo: Durante un período de 20 días se inspeccionaron muestras de tamaño variable con los resultados siguientes:

GRÁFICOS PARA UNIDADES DEFECTUOSAS: Ejemplo

GRÁFICOS PARA UNIDADES DEFECTUOSAS Gráfico p Muestra variable Ejemplo Cuando existen muchos tamaños de subgrupos diferentes, es muy complicado tener que calcular unos límites de control para cada uno por lo que, si la variación entre los tamaños de los subgrupos no es muy grande, se puede hacer una simplificación del método.

GRÁFICOS PARA UNIDADES DEFECTUOSAS Gráfico p Muestra variable Mejorada Ejemplo Esta simplificación consiste en calcular unos límites de control únicos para todos los subgrupos en base a un "tamaño medio de subgrupo".

GRÁFICOS PARA UNIDADES DEFECTUOSAS Gráfico np Cuando estamos interesados en vigilar la calidad del proceso en términos de número de unidades defectuosas en lugar de fracción defectuosa (proporción), el gráfico adecuado es el np. Para cada uno de los subgrupos (todos del mismo tamaño) representamos el número de unidades defectuosas np. Una vez completo el período calculamos el número medio de defectos np y los límites de control superior e inferior de acuerdo con las expresiones.

GRÁFICOS PARA UNIDADES DEFECTUOSAS: Ejemplo

GRÁFICOS PARA UNIDADES DEFECTUOSAS Gráfico np Ejemplo 256/1200=p= fracción de unidades defectuosas

GRÁFICOS PARA DEFECTOS Ya hemos visto cómo con los gráficos para unidades defectuosas controlábamos los defectos en unidades o piezas, siendo la base de los gráficos las propias unidades defectuosas. Pero a menudo en la industria nos encontramos con defectos que no van asociados a piezas, sino que aparecen en una producción continua, como, por ejemplo, telas, rollos de cable eléctrico, tuberías de plástico, etc. y en donde el parámetro a controlar es el número de defectos por unidad de longitud, área, etc. En otros casos nos encontramos con productos cuyo control, aun estando asociado a unidades, éstas son tan complejas y por lo tanto la probabilidad de aparecer un defecto es tan grande, que si utilizáramos gráficos p, o np, el número de unidades defectuosas o su proporción serían tan próximas a la unidad, que la información que obtendríamos seria casi nula. En estos casos utilizaremos gráficos de control por número de defectos.

GRÁFICOS PARA DEFECTOS El problema por lo tanto consistirá en coger muestras de tamaño n y contar el número de defectos encontrados en dicha muestra. Cuando el proceso esté bajo control: El número medio de defectos por unidad determinada se va a mantener constante con el tiempo. La producción de un defecto en un momento dado es independiente de que se hayan producido defectos con anterioridad o no.

GRÁFICOS PARA DEFECTOS Tamaño de muestra.- Es necesario reflejar que, para que estos gráficos nos sirvan de ayuda, en cada muestra escogida exista algún defecto. Cuando se trata de unidades complejas, por ejemplo un automóvil, esto siempre se cumplirá. Cuando se trate de un producto de producción continua habrá que tener en cuenta el valor que indique la experiencia a la hora de elegir el tamaño de la muestra. Intervalo de toma de muestra.- El criterio es el mismo que el expuesto en los gráficos para unidades defectuosas. Número de muestras por Período.- El período de recogida de muestras debe ser lo suficientemente largo como para recoger todas las posibles causas de variabilidad que actúan sobre el proceso, considerándose una prueba satisfactoria de estabilidad 20 tomas de muestras. Esto significa que son necesarias 20 muestras para calcular los límites de control y que se deben re-calcular cada 20 muestras.

GRÁFICOS PARA DEFECTOS Recogida de datos.- Se procede a su verificación de la siguiente manera: 1º ) Se comprueba la primera característica a controlar en cada una de las piezas de la muestra, dejando aparte aquellas que tengan una no conformidad en esta característica. Se cuentan y se anota el número resultante a la altura del "defecto A". 2º ) Se vuelven a unir estas unidades al resto y se repite la inspección de todas las piezas de la muestra para la segunda característica a controlar, separándose las unidades que tengan no conformidades anotando el número de las mismas a la altura del "defecto B". Este proceso se repite para el resto de características a controlar. 3º ) Se anota el tamaño de la muestra en la casilla "Piezas Inspeccionadas". 4º ) En la casilla "Defectos" se anotarán el total de defectos. Supongamos que en una muestra de 50 unidades ha resultado en la primera toma de muestra los siguiente:

GRÁFICOS PARA DEFECTOS Con estos datos, nuestras anotaciones hubieran sido: Defecto A...2 Defecto B...3 Defecto C...2 Defectos...7 Hay un total de siete defectos. A partir de este punto el proceso es distinto según se trate de un gráfico u o c.

GRÁFICOS PARA DEFECTOS u Gráfico de defectos por unidad.- Una vez completados los pasos anteriores, se calcula el número de defectos por unidad inspeccionada u dividiendo el número de defectos de la muestra por el número de unidades inspeccionadas (tamaño de la muestra) anotando dicho valor u y representándolo en el gráfico. Se repite este proceso hasta lograr una cierta regularidad estadística. Lo normal es utilizar un período de 20 tomas de muestra.

GRÁFICOS PARA DEFECTOS u Tamaño de muestra constante.- Para cada uno de los subgrupos (todos del mismo tamaño) calcularemos el número de defectos por unidad u de acuerdo con la formula. Una vez completo el período calculamos la número medio de defectos por unidad u y los límites de control superior e inferior. Puesto que no tiene sentido hablar de defectos por unidad con valores inferiores a cero, en el caso de que la expresión del límite inferior de control resultara un valor negativo, el límite inferior de control toma el valor cero.

GRÁFICOS PARA DEFECTOS u Punto a representar: Línea central: Límites de control:

GRÁFICOS PARA DEFECTOS u: Ejemplo Se desea establecer un control de la calidad de un proceso mediante un gráfico de número de defectos por unidad. Durante un período de 20 días se inspeccionaron 10 piezas con los resultados siguientes:

GRÁFICOS PARA DEFECTOS u : Ejemplo El proceso está bajo control puesto que ningún punto está fuera de los límites de control. Se puede observar que el número de defectos por unidad va decreciendo, siendo mayor en la primera parte del gráfico que en la segunda. Aunque no existía condición de fuera de control, se investigó la causa por ser sus efectos beneficiosos (disminuir el número de defectos) y se encontró que a partir del punto 10 se había cambiado un útil de fabricación.

GRÁFICOS PARA DEFECTOS: Tamaño de muestra variable u Para cada uno de los subgrupos (de distintos tamaños) calcularemos el número de defectos por unidad u de acuerdo con la expresión. Una vez completo el período calculamos el número medio de defectos por unidad u y los límites de control superior e inferior de acuerdo con las expresiones. En el caso de que la expresión del límite inferior de control resultara un valor negativo, el límite inferior de control toma el valor cero.

GRÁFICOS PARA DEFECTOS: Tamaño de muestra variable u Ejemplo Se desea establecer un control de la calidad de un proceso mediante un gráfico de número de defectos por unidad. Durante un período de 20 días se inspeccionaron un número variable de piezas con los resultados que se muestran en la tabla anterior.

GRÁFICOS PARA DEFECTOS: Tamaño de muestra variable u Ejemplo El proceso está en estado de control puesto que ningún punto está fuera de los límites de control. Cuando existen muchos tamaños de subgrupos diferentes, es muy complicado el tener que calcular unos límites de control para cada uno por lo que, si la variación entre los tamaños de los subgrupos no es muy grande, se puede hacer una simplificación del método.

GRÁFICOS PARA DEFECTOS: Tamaño de muestra variable (mejorada) u Ejemplo Esta simplificación consiste en calcular unos límites de control únicos para todos los subgrupos en base a un "tamaño medio de subgrupo". Las expresiones serían las que aparecen a continuación:

GRÁFICOS PARA DEFECTOS c: También podemos construir gráficos de control para defectos por muestra en lugar de defectos por unidad. En estos gráficos se calcula el número de defectos por muestra inspeccionada c. Para cada uno de los subgrupos (todos del mismo tamaño) calcularemos el número de defectos c de acuerdo con la expresión. Una vez completo el período calculamos el número medio de defectos por muestra c y los límites de control superior e inferior de acuerdo con las expresiones. En el caso de que la expresión del límite inferior de control resultara un valor negativo, el límite inferior de control toma el valor cero. Punto a representar: Línea central: Límites de control:

GRÁFICOS PARA DEFECTOS c Ejemplo Supongamos que se desea establecer un control de la calidad de un proceso mediante un gráfico de número de defectos por muestra. Durante un período de 20 días se inspeccionaron 10 piezas con los resultados que se muestran en la Tabla siguiente.

GRÁFICOS PARA DEFECTOS c Ejemplo El proceso está en estado de control puesto que ningún punto está fuera de los límites de control.

INTERPRETACIÓN Y MEJORA El objetivo de la interpretación de los gráficos de control por atributos es determinar cualquier evidencia de que el número medio de defectos o de unidades defectuosas no se mantiene a un nivel constante por la actuación sobre el proceso de causas especiales. Cuando hay puntos por encima del Límite de Control Superior, son señal de que el número medio de unidades defectuosas o de defectos en el proceso ha aumentado. Es necesario detectar la causa especial que lo ha provocado y tomar la medida correctora para evitar que se repita. Sin embargo, cuando, existiendo el Límite de Control Inferior, los puntos se encuentran por debajo de éste, aun existiendo una causa especial actuando sobre el proceso, el efecto es beneficioso (disminución del número medio de unidades defectuosas), por lo que es necesario detectar la causa que lo produce para intentar reproducirla.

INTERPRETACIÓN Y MEJORA MEJORA DEL PROCESO Puesto que nuestro objetivo no es sólo el control del proceso sino también su mejora, en cada período de toma de muestras debemos ir disminuyendo el límite de lo que consideramos como razonable en cuanto a unidades defectuosas que viene dado por el LCS. Para ello en el cálculo de los Límites de Control de un Período, los valores medios que utilizaremos serán los menores de estos valores de todos los períodos anteriores.