Download - Graficos de contro lfinal
![Page 1: Graficos de contro lfinal](https://reader034.vdocuments.mx/reader034/viewer/2022042521/5593d1011a28abd3638b46b3/html5/thumbnails/1.jpg)
GRAFICOS DE CONTROL
JESSIKA LORENA LARROTTA
DORELLY ISABEL MATEUS
MARIA HELENA VARGAS
![Page 2: Graficos de contro lfinal](https://reader034.vdocuments.mx/reader034/viewer/2022042521/5593d1011a28abd3638b46b3/html5/thumbnails/2.jpg)
Gráficos de Control
Concepto:
Herramienta estadística utilizada para detectar variaciones de la calidad de un producto, durante un proceso de fabricación.
![Page 3: Graficos de contro lfinal](https://reader034.vdocuments.mx/reader034/viewer/2022042521/5593d1011a28abd3638b46b3/html5/thumbnails/3.jpg)
Causas de las variaciones
• Causas no asignables o aleatorias: debidas al azar, no son identificables, no pueden ser reducidas o eliminadas.
Producen variaciones pequeñas.
• Causas asignables: identificables y que deben ser eliminadas. Producen variaciones grandes.
![Page 4: Graficos de contro lfinal](https://reader034.vdocuments.mx/reader034/viewer/2022042521/5593d1011a28abd3638b46b3/html5/thumbnails/4.jpg)
Un gráfico de control permite identificar causas asignables y determinar si un proceso está bajo o fuera de control.
Bajo control: trabaja en presencia de variaciones aleatorias.
Fuera de control: hay variaciones debidas a causas asignables.
![Page 5: Graficos de contro lfinal](https://reader034.vdocuments.mx/reader034/viewer/2022042521/5593d1011a28abd3638b46b3/html5/thumbnails/5.jpg)
Estructura de un gráfico de control.
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1 3 5 7 9 11 13 15 17 19 21 23 25
Número de muestra
Car
acte
ríst
ica
de
cali
dad
Límite superior de control
Línea
central
Límite inferior de control
![Page 6: Graficos de contro lfinal](https://reader034.vdocuments.mx/reader034/viewer/2022042521/5593d1011a28abd3638b46b3/html5/thumbnails/6.jpg)
![Page 7: Graficos de contro lfinal](https://reader034.vdocuments.mx/reader034/viewer/2022042521/5593d1011a28abd3638b46b3/html5/thumbnails/7.jpg)
Gráficos de Control por variables
Gráficos - R
Se utilizan cuando la característica de calidad quese desea controlar es una variable continua.
Se requieren N muestras de tamaño n.
• Los gráficos X − R se utilizan para controlar dosparámetros básicos de un proceso: la media y ladispersión. Para determinar si un proceso está ono bajo control conviene utilizar los dos gráficos.
x
![Page 8: Graficos de contro lfinal](https://reader034.vdocuments.mx/reader034/viewer/2022042521/5593d1011a28abd3638b46b3/html5/thumbnails/8.jpg)
CONSTRUCCIÓN DE LOS GRÁFICOS -R.
Paso 1. Calcular media y rango para cada muestraNo. muestra Mediciones
1 2 3 4 5 6 R
1 50.04 50.08 50.09 50.1 50.24 50.04 50.1 0.2
2 50.14 49.97 50.07 49.97 50.03 50.1 50.05 0.17
3 49.99 50.13 50.18 50.04 50.08 50.08 50.08 0.19
4 50.03 50.18 50.08 50.08 50.01 50.12 50.1 0.15
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.30 49.98 50.08 50.08 50.03 50.08 50.1 50.06 0.12
x
x
![Page 9: Graficos de contro lfinal](https://reader034.vdocuments.mx/reader034/viewer/2022042521/5593d1011a28abd3638b46b3/html5/thumbnails/9.jpg)
Paso 2. Calcular la media de medias y la media de los rangos.
R = (Máx Xi − Mín Xi)
N
XX
i
iX: media de la muestra i
N : número de muestras
N
RR
i
Ri : cantidad de muestras
![Page 10: Graficos de contro lfinal](https://reader034.vdocuments.mx/reader034/viewer/2022042521/5593d1011a28abd3638b46b3/html5/thumbnails/10.jpg)
Paso 3. Cálculo de los límites de control.
Límites de control para el gráfico
RA2XLSC
XCentralLínea
x
RA2XLIC
![Page 11: Graficos de contro lfinal](https://reader034.vdocuments.mx/reader034/viewer/2022042521/5593d1011a28abd3638b46b3/html5/thumbnails/11.jpg)
Límites de control para el gráfico R
RLSC 4D
RCentralLínea
RLIC 3D
![Page 12: Graficos de contro lfinal](https://reader034.vdocuments.mx/reader034/viewer/2022042521/5593d1011a28abd3638b46b3/html5/thumbnails/12.jpg)
TABLA
Factores críticos de las gráficas o cartas de control
Gráfica para
medias Gráfica para rangos Factor para el Factor para
límite de control la recta central Factores de los límites de controln A2 = 3/( d2√ ) d2 D3 = 1-3(d3/ d2) D4 = 1+3(d3/ d2) d3 2 1,881 1,128 -1,267=0 3,267 0,8525 3 1,023 1,693 -0,574=0 2,574 0,8884 4 0,729 2,059 -0,282=0 2,282 0,8798 5 0,577 2,326 -0,114=0 2,114 0,8641 6 0,483 2,534 -0,004=0 2,004 0,8480 7 0,419 2,704 0,076 1,924 0,8330 8 0,373 2,847 0,136 1,864 0,8200 9 0,337 2,970 0,184 1,816 0,8080 10 0,308 3,078 0,223 1,777 0,7970 11 0,285 3,173 0,256 1,744 0,7870 12 0,266 3,258 0,284 1,716 0,7780 13 0,249 3,336 0,308 1,692 0,7700 14 0,235 3,407 0,329 1,671 0,7620 15 0,223 3,472 0,348 1,652 0,7550 16 0,212 3,532 0,364 1,636 0,7490 17 0,203 3,588 0,379 1,621 0,7430 18 0,194 3,640 0,392 1,608 0,7380 19 0,187 3,689 0,404 1,596 0,7330 20 0,180 3,735 0,414 1,586 0,7290 21 0,173 3,778 0,425 1,575 0,7240 22 0,167 3,819 0,434 1,566 0,7200 23 0,162 3,858 0,443 1,557 0,7160 24 0,157 3,895 0,452 1,548 0,7120 25 0,153 3,931 0,459 1,541 0,7090
![Page 13: Graficos de contro lfinal](https://reader034.vdocuments.mx/reader034/viewer/2022042521/5593d1011a28abd3638b46b3/html5/thumbnails/13.jpg)
Ejemplo ilustrativo
Una fábrica elabora planchas de madera para tapas de mesas, las
cuales deben cumplir ciertas especificaciones de tamaño. Para
garantizar que se cumplan estos estándares de calidad, se
recolecta N= 24 muestras (subgrupos) de tamaño n = 6, y mide su
largo. Los resultados aparecen en la siguiente tabla:
a) Calcular el rango promedio
b) Calcular el límite superior de control para el rango
c) Calcular el límite inferior de control para el rango
d) Elaborar la gráfica R.
e) Calcular
f) Calcular el límite superior de control para las medias
g) Calcular el límite inferior de control para las medias
h) Elaborar la gráfica
Solución:
Calculando manualmente el rango se obtiene:
Recuerde que el rango es igual al valor mayor menos el valor
menor, es decir: R= Xmáx- Xmin
x
x
![Page 14: Graficos de contro lfinal](https://reader034.vdocuments.mx/reader034/viewer/2022042521/5593d1011a28abd3638b46b3/html5/thumbnails/14.jpg)
Nº DE
MUESTRA MEDIAS MUESTRALES R
1 14,5 15,9 15,7 16,3 14,5 16,2 1,8
2 15,4 15,2 15,9 15,2 14,5 14,5 1,4
3 16,5 15,9 14,8 16,2 16,5 16,2 1,7
4 14,8 16,8 15,5 15,2 15,2 14,2 2,6
5 15,7 14,5 16,9 14,2 14,5 15,2 2,7
6 15,9 15,4 17,1 14,8 16,8 14,8 2,3
7 15,2 14,2 18,5 15,8 15,9 15,7 4,3
8 14,5 14,8 17,2 16,2 15,0 16,8 2,7
9 15,6 15,7 19,2 16,1 16,8 15,9 3,6
10 16,5 16,8 18,4 14,8 18,9 16,1 4,1
11 14,5 15,8 14,2 14,5 18,7 16,3 4,5
12 17,1 15,8 16,2 15,4 15,7 16,2 1,7
13 18,5 15,9 17,2 14,2 15,9 14,7 4,3
14 17,2 15,7 16,8 14,8 14,8 14,9 2,4
15 19,2 15,7 15,9 15,7 15,5 14,8 4,4
16 18,4 16,8 15,0 16,8 16,9 14,7 3,7
17 14,2 16,9 16,8 15,8 17,1 15,4 2,9
18 16,2 17,2 18,9 15,8 18,5 18,9 3,1
19 17,2 17,6 18,7 15,9 17,2 16,0 2,8
20 16,8 14,5 19,8 15,7 18,2 18,7 5,3
21 15,9 17,9 18,7 15,7 18,4 17,5 3,0
22 15,0 18,0 18,2 16,8 14,2 17,8 4,0
23 16,8 18,9 20,0 16,9 16,2 18,5 3,8
24 18,9 17,9 17,4 17,5 17,2 16,5 2,4
Total 75,5
![Page 15: Graficos de contro lfinal](https://reader034.vdocuments.mx/reader034/viewer/2022042521/5593d1011a28abd3638b46b3/html5/thumbnails/15.jpg)
a) Calculando el rango promedio se tiene: R= ∑R = 75.5 =3.146
N 24
b) Calcular el límite superior de control para el rango con la lectura en la tabla
para n = 6 se obtiene D4= 2.004
Calculando el límite superior se obtiene: LSCR =D4R = 2.004* 3.146 = 6.3
c) Calcular el límite inferior de control para el rango con la lectura en la tabla
para n = 6 se obtiene D3=0
Calculando el límite inferior se obtiene: LICR= D3R = 0* 3.146 =0
![Page 16: Graficos de contro lfinal](https://reader034.vdocuments.mx/reader034/viewer/2022042521/5593d1011a28abd3638b46b3/html5/thumbnails/16.jpg)
Interpretación: Observando la gráfica se concluye que la misma está bajo control, ya que no existen variaciones de causa asignable, es decir, no existe ningún punto que se salga de los límites de control.
e) Calculando se obtiene: x
Nº DE
MUESTRA MEDIAS MUESTRALES 1 14,5 15,9 15,7 16,3 14,5 16,2 15,52 2 15,4 15,2 15,9 15,2 14,5 14,5 15,12 3 16,5 15,9 14,8 16,2 16,5 16,2 16,02 4 14,8 16,8 15,5 15,2 15,2 14,2 15,28 5 15,7 14,5 16,9 14,2 14,5 15,2 15,17 6 15,9 15,4 17,1 14,8 16,8 14,8 15,80 7 15,2 14,2 18,5 15,8 15,9 15,7 15,88 8 14,5 14,8 17,2 16,2 15,0 16,8 15,75 9 15,6 15,7 19,2 16,1 16,8 15,9 16,55 10 16,5 16,8 18,4 14,8 18,9 16,1 16,92 11 14,5 15,8 14,2 14,5 18,7 16,3 15,67 12 17,1 15,8 16,2 15,4 15,7 16,2 16,07 13 18,5 15,9 17,2 14,2 15,9 14,7 16,07 14 17,2 15,7 16,8 14,8 14,8 14,9 15,70 15 19,2 15,7 15,9 15,7 15,5 14,8 16,13 16 18,4 16,8 15,0 16,8 16,9 14,7 16,43 17 14,2 16,9 16,8 15,8 17,1 15,4 16,03 18 16,2 17,2 18,9 15,8 18,5 18,9 17,58 19 17,2 17,6 18,7 15,9 17,2 16,0 17,10 20 16,8 14,5 19,8 15,7 18,2 18,7 17,28 21 15,9 17,9 18,7 15,7 18,4 17,5 17,35 22 15,0 18,0 18,2 16,8 14,2 17,8 16,67 23 16,8 18,9 20,0 16,9 16,2 18,5 17,88 24 18,9 17,9 17,4 17,5 17,2 16,5 17,57
Total 391,53
x
![Page 17: Graficos de contro lfinal](https://reader034.vdocuments.mx/reader034/viewer/2022042521/5593d1011a28abd3638b46b3/html5/thumbnails/17.jpg)
Calculando se obtiene: = ∑__ = 391.53 = 16.314
N 24f) Con lectura en la tabla para n = 6 se obtiene A2=0.483
Calculando el límite superior se obtiene: LSC = + A2R = 16.314 + 0.483* 3.146 = 17.83
g) Calculando el límite inferior se obtiene: LIC = - A2R = 16.314 - 0.483* 3.146 = 14.79
xx x
x x
x x
![Page 18: Graficos de contro lfinal](https://reader034.vdocuments.mx/reader034/viewer/2022042521/5593d1011a28abd3638b46b3/html5/thumbnails/18.jpg)
Interpretación: Observando la gráfica se concluye que la misma
está fuera de control, ya que, la muestra 23 representa una
variación de causa asignable, es decir, la muestra 23 se sale del
límite superior de control.
PUNTOS A CONSIDERAR PARA CONSTRUIR GRÁFICOS DE
CONTROL
Tamaño de la muestra y frecuencia del muestreo:
a)Tomar con frecuencia muestras pequeñas (4, 5, 6 cadamedia hora)
b) Tomar muestras grandes con una frecuencia menor (20 cadados horas)
Número de muestras: (aprox. 25 muestras, entre 100-150observaciones)
![Page 19: Graficos de contro lfinal](https://reader034.vdocuments.mx/reader034/viewer/2022042521/5593d1011a28abd3638b46b3/html5/thumbnails/19.jpg)
GRÁFICAS DE CONTROLPROMEDIOS Y DESVIACION ESTANDAR
SX
Ya sabemos que siempre que se intente controlar una característica de calidad cuantitativa, es una práctica habitual controlar el valor medio de la característica de calidad y su variabilidad.
Las cartas de control x – s tienen como principal indicador la desviación estándar lo cual las hace muy sensibles a los cambios que puedan ocurrir dentro del proceso de medición y por esta razón son muy útiles para el estudio de la variabilidad de dicho proceso y detectar la posible existencia de casusas especiales..
![Page 20: Graficos de contro lfinal](https://reader034.vdocuments.mx/reader034/viewer/2022042521/5593d1011a28abd3638b46b3/html5/thumbnails/20.jpg)
X
X
S
S
k = número de subgrupos
n = número de muestras en cada subgrupo
= promedio para un subgrupo
= promedio de todos los promedios de los subgrupos
= Desviación estándar de un subgrupo
= Desviación est. promedio de todos los subgrupos
TERMINOLOGÍA
![Page 21: Graficos de contro lfinal](https://reader034.vdocuments.mx/reader034/viewer/2022042521/5593d1011a28abd3638b46b3/html5/thumbnails/21.jpg)
N
XXXX N....21
K
XXXX K.......21
SAXLSC X 3
SAXLIC X 3
SBLSCS 4
SBLICS 3
![Page 22: Graficos de contro lfinal](https://reader034.vdocuments.mx/reader034/viewer/2022042521/5593d1011a28abd3638b46b3/html5/thumbnails/22.jpg)
Gráficos de control por atributos
• Se utilizan para controlar características de calidad que no pueden ser medidas, y que dan lugar a una clasificación del producto: defectuoso o no defectuoso
• Tipos:
Gráfico p, gráfico np, gráfico c.
![Page 23: Graficos de contro lfinal](https://reader034.vdocuments.mx/reader034/viewer/2022042521/5593d1011a28abd3638b46b3/html5/thumbnails/23.jpg)
Gráfica de Control por Atributos
Gráfica de Control
de Atributos
Piezas Defectuosas
Gráfica p Gráfica np
Defectos por pieza
Gráfica u Gráfica c
![Page 24: Graficos de contro lfinal](https://reader034.vdocuments.mx/reader034/viewer/2022042521/5593d1011a28abd3638b46b3/html5/thumbnails/24.jpg)
Gráfico p
Se usa para estudiar la variación de laproporción de artículos defectuosos.
p = no. de artículos defectuosos / N
N: tamaño de la muestra
![Page 25: Graficos de contro lfinal](https://reader034.vdocuments.mx/reader034/viewer/2022042521/5593d1011a28abd3638b46b3/html5/thumbnails/25.jpg)
Límites de controlpara el gráfico p.
n
pppLSC
)1(3
pLC
n
pppLIC
)1(3
![Page 26: Graficos de contro lfinal](https://reader034.vdocuments.mx/reader034/viewer/2022042521/5593d1011a28abd3638b46b3/html5/thumbnails/26.jpg)
Ejemplo ilustrativo
Durante la fase de análisis del modelo Seis Sigma DMAIC, se recolectaron los datos de las disconformidades
diariamente de una muestra de 200 habitantes de un hotel. La siguiente tabla lista el número y proporción de
habitaciones disconformes para cada día durante un periodo de 4 semanas.
Día Habitaciones Habitaciones no Proporción (X/n) N estudiadas (n) preparadas (X)
16 200 13 0,065 17 200 15 0,075 18 200 10 0,05 19 200 14 0,07 20 200 25 0,125 21 200 19 0,095 22 200 12 0,06 23 200 6 0,03 24 200 12 0,06 25 200 18 0,09 26 200 15 0,075 27 200 20 0,1 28 200 22 0,11 Total 5600 463 2,315
1 200 16 0,08 2 200 7 0,035 3 200 21 0,105 4 200 17 0,085 5 200 25 0,125 6 200 19 0,095 7 200 16 0,08 8 200 15 0,075 9 200 11 0,055 10 200 12 0,06 11 200 22 0,11 12 200 20 0,1 13 200 17 0,085 14 200 26 0,13 15 200 18 0,09
![Page 27: Graficos de contro lfinal](https://reader034.vdocuments.mx/reader034/viewer/2022042521/5593d1011a28abd3638b46b3/html5/thumbnails/27.jpg)
Para estos datos, N= 28, = ∑ Pi = 2,315, n= n = 200, p= ∑Pi = 2.315 = 0,0827 N 28
Reemplazando valores en
Se obtiene:
Entonces LSC = 0,0827+0,0584 = 0,1411 LIC = 0,0827-0,0584 = 0,0243
n
pppLSC
)1(3
200
)0827.01(0827.030827.0
![Page 28: Graficos de contro lfinal](https://reader034.vdocuments.mx/reader034/viewer/2022042521/5593d1011a28abd3638b46b3/html5/thumbnails/28.jpg)
Interpretación: Se observa que la proporción de disconformidades es mayor en el día Nº 14 y menor en el día Nº 23.No hay causas especiales de variación, ya que las proporciones están dentro de los límites de control .
![Page 29: Graficos de contro lfinal](https://reader034.vdocuments.mx/reader034/viewer/2022042521/5593d1011a28abd3638b46b3/html5/thumbnails/29.jpg)
Mide los números de muestras defectuosas por muestra contante y no la proporción.
– Se utiliza para graficar las unidades defectuosas
– Tamaño de muestra es constante
– Principales objetivos:
• Conocer las causas que contribuyen al proceso
• Obtener el registro histórico de una o varias características de una operación con el proceso productivo.
GRÁFICA NP
![Page 30: Graficos de contro lfinal](https://reader034.vdocuments.mx/reader034/viewer/2022042521/5593d1011a28abd3638b46b3/html5/thumbnails/30.jpg)
pnpnpLSC 13
pnpnpLIC 13
Los límites son calculados mediante la siguientes fórmulas.
k
k
nnn
npnpnpp
.....
....
21
21
El porcentaje defectuoso promedio para los k subgrupos se calcula con la siguiente fórmula:
pnLCc
![Page 31: Graficos de contro lfinal](https://reader034.vdocuments.mx/reader034/viewer/2022042521/5593d1011a28abd3638b46b3/html5/thumbnails/31.jpg)
Ejemplo
Un fabricante de latas de aluminio registra el número de partes
defectuosas, tomando muestras cada hora de n = 50, con 30
subgrupos. Realizar la gráfica de control para la siguiente serie de
datos obtenida durante el muestreo.
Muestra Latas defectuosas Muestra Latas defectuosas
np np
1 12 16 8
2 15 17 10
3 8 18 5
4 10 19 13
5 4 20 11
6 7 21 20
7 16 22 18
8 9 23 24
9 14 24 15
10 10 25 9
11 5 26 12
12 6 27 7
13 17 28 13
14 12 29 9
15 22 30 6
![Page 32: Graficos de contro lfinal](https://reader034.vdocuments.mx/reader034/viewer/2022042521/5593d1011a28abd3638b46b3/html5/thumbnails/32.jpg)
Calcule la fracción defectuosa para cada muestra:
Muestra Latas defectuosas Fracción defectuosa Muestra Latas defectuosas Fracción defectuosa
np p np p
1 12 0.24 16 8 0.16
2 15 0.30 17 10 0.20
3 8 0.16 18 5 0.10
4 10 0.20 19 13 0.26
5 4 0.08 20 11 0.22
6 7 0.14 21 20 0.40
7 16 0.32 22 18 0.36
8 9 0.18 23 24 0.48
9 14 0.28 24 15 0.30
10 10 0.20 25 9 0.18
11 5 0.10 26 12 0.24
12 6 0.12 27 7 0.14
13 17 0.34 28 13 0.26
14 12 0.24 29 9 0.18
15 22 0.44 30 6 0.12
2313.01500
347p
k
k
nnn
npnpnpp
.....
....
21
21
![Page 33: Graficos de contro lfinal](https://reader034.vdocuments.mx/reader034/viewer/2022042521/5593d1011a28abd3638b46b3/html5/thumbnails/33.jpg)
510.207687.02313.0503)2313.0)(50(
pnpnpLSC 13
pnpnpLIC 13
621.27687.02313.0503)2313.0)(50(
pnLCc
57.11)2313.0(50LCc
![Page 34: Graficos de contro lfinal](https://reader034.vdocuments.mx/reader034/viewer/2022042521/5593d1011a28abd3638b46b3/html5/thumbnails/34.jpg)
3020100
25
20
15
10
5
0
Sample Number
Sam
ple
Count
NP Chart for cantidad
1
1
NP=11.57
3.0SL=20.51
-3.0SL=2.621
MUESTRA:15=22 latas defectuosas23=24 latas defectuosas
![Page 35: Graficos de contro lfinal](https://reader034.vdocuments.mx/reader034/viewer/2022042521/5593d1011a28abd3638b46b3/html5/thumbnails/35.jpg)
CONSTRUCCIÓN DE LOS GRÁFICOS DE CONTROL DE NÚMERO DE
DISCONFORMIDADES POR UNIDAD ("U")
• Elaborar el plan de muestreo (Tamaño de muestra, frecuencia de muestreo y número de muestras)
• Recoger los datos según el plan establecido• Calcular el número de disconformidades por unidad, "u"Para cada muestra se registrarán los siguientes datos:- El número de unidades inspeccionadas "n".- El número de disconformidades total de la muestra.- El número de disconformidades por unidad "u" según la fórmula:u = suma de disconformidades de la muestra / n
![Page 36: Graficos de contro lfinal](https://reader034.vdocuments.mx/reader034/viewer/2022042521/5593d1011a28abd3638b46b3/html5/thumbnails/36.jpg)
![Page 37: Graficos de contro lfinal](https://reader034.vdocuments.mx/reader034/viewer/2022042521/5593d1011a28abd3638b46b3/html5/thumbnails/37.jpg)
• Calcular los limites de control
a) Calcular la media de disconformidades por unidad u.u = (u1 +..... uN)/Nui = es el número de disconformidades por unidad de la muestra i.N = número de muestras
b) Calcular el Límite de Control Superior LCSu.- Calcular el tamaño medio de las muestras nn = (n1 + ....+ nN)/N- Calcular el valor de LCSu según la fórmula:LCSu = u + 3 u / n
c) Calcular el Límite de Control Inferior LCIu según la fórmulaLCIu = u - 3 u / n
![Page 38: Graficos de contro lfinal](https://reader034.vdocuments.mx/reader034/viewer/2022042521/5593d1011a28abd3638b46b3/html5/thumbnails/38.jpg)
![Page 39: Graficos de contro lfinal](https://reader034.vdocuments.mx/reader034/viewer/2022042521/5593d1011a28abd3638b46b3/html5/thumbnails/39.jpg)
• Definir las escalas del gráfico
![Page 40: Graficos de contro lfinal](https://reader034.vdocuments.mx/reader034/viewer/2022042521/5593d1011a28abd3638b46b3/html5/thumbnails/40.jpg)
• Representar en el grafico la línea central y los limites de control
![Page 41: Graficos de contro lfinal](https://reader034.vdocuments.mx/reader034/viewer/2022042521/5593d1011a28abd3638b46b3/html5/thumbnails/41.jpg)
• Incluir los datos pertenecientes a las muestras en el gráfico
![Page 42: Graficos de contro lfinal](https://reader034.vdocuments.mx/reader034/viewer/2022042521/5593d1011a28abd3638b46b3/html5/thumbnails/42.jpg)
• Comprobación de los datos de construcción del Gráfico de Control "u"
• Analisis y resultados
![Page 43: Graficos de contro lfinal](https://reader034.vdocuments.mx/reader034/viewer/2022042521/5593d1011a28abd3638b46b3/html5/thumbnails/43.jpg)
CONSTRUCCIÓN DE LOS GRÁFICOS DE CONTROL DE NÚMERO DEDISCONFORMIDADES ("C")
• Elaborar el plan de muestreo (Tamaño de muestra, frecuencia de muestreo y número de muestras)
• Recoger los datos según el plan establecido• Registrar el número de disconformidades, "c"Para cada muestra se registra el siguiente dato:- El número de disconformidades "c".
![Page 44: Graficos de contro lfinal](https://reader034.vdocuments.mx/reader034/viewer/2022042521/5593d1011a28abd3638b46b3/html5/thumbnails/44.jpg)
![Page 45: Graficos de contro lfinal](https://reader034.vdocuments.mx/reader034/viewer/2022042521/5593d1011a28abd3638b46b3/html5/thumbnails/45.jpg)
• Calcular los Límites de Control
a) Calcular la media de disconformidades del proceso c .c = (c1 + ...... + cN)/Nci = número de disconformidades de la muestra iN = número de muestras
b) Calcular el Límite de Control Superior LCSc según la fórmula:LCSc = c + 3 c
c) Calcular el Límite de Control Inferior LCIc según la fórmula:LCIc = c - 3 c
![Page 46: Graficos de contro lfinal](https://reader034.vdocuments.mx/reader034/viewer/2022042521/5593d1011a28abd3638b46b3/html5/thumbnails/46.jpg)
![Page 47: Graficos de contro lfinal](https://reader034.vdocuments.mx/reader034/viewer/2022042521/5593d1011a28abd3638b46b3/html5/thumbnails/47.jpg)
• Definir las escalas del gráfico
![Page 48: Graficos de contro lfinal](https://reader034.vdocuments.mx/reader034/viewer/2022042521/5593d1011a28abd3638b46b3/html5/thumbnails/48.jpg)
• Representar en el gráfico la Línea Central y los Límites de Control
![Page 49: Graficos de contro lfinal](https://reader034.vdocuments.mx/reader034/viewer/2022042521/5593d1011a28abd3638b46b3/html5/thumbnails/49.jpg)
• Incluir los datos pertenecientes a las muestras en el gráfico
![Page 50: Graficos de contro lfinal](https://reader034.vdocuments.mx/reader034/viewer/2022042521/5593d1011a28abd3638b46b3/html5/thumbnails/50.jpg)
• Comprobación de los datos de construcción del Gráfico de Control "c«
• Análisis y resultados
![Page 51: Graficos de contro lfinal](https://reader034.vdocuments.mx/reader034/viewer/2022042521/5593d1011a28abd3638b46b3/html5/thumbnails/51.jpg)
INTERPRETACIÓN
Identificación de causas especiales o asignablesLa función primaria de un Gráfico de Control es mostrar el comportamiento olas pautas de funcionamiento de un proceso.Mediante el análisis de estas pautas de funcionamiento se puede identificar laexistencia de causas de variación especiales (proceso fuera de control).Cuando esto ocurra, se dejará constancia escrita de la situación.A continuación se comentan algunas de las pautas de comportamiento queinforman sobre cambios en el proceso:a) Un punto exterior a los límites de control.Se estudiará la causa de una desviación del comportamiento tan fuerte.b) Dos puntos consecutivos muy próximos al límite de control.La situación es anómala, estudiar las causas de variación.
![Page 52: Graficos de contro lfinal](https://reader034.vdocuments.mx/reader034/viewer/2022042521/5593d1011a28abd3638b46b3/html5/thumbnails/52.jpg)
c) Cinco puntos consecutivos por encima o por debajo de la línea central.Investigar las causas de variación pues la media de los cinco puntos indica unadesviación del nivel de funcionamiento del proceso.d) Fuerte tendencia ascendente o descendente marcada por cinco puntosconsecutivos.Investigar las causas de estos cambios progresivos.e) Cambios bruscos de puntos próximos a un límite de control hacia el otrolímite.Examinar esta conducta errática.
![Page 53: Graficos de contro lfinal](https://reader034.vdocuments.mx/reader034/viewer/2022042521/5593d1011a28abd3638b46b3/html5/thumbnails/53.jpg)
LOS DEFECTOS EN EL PAPEL
En una fábrica de papel se controlaba de forma continua el proceso deproducción, utilizando Gráficos de Control de Número de Disconformidades("c").
Los Límites de Control correspondientes al proceso bajo control eran:c = 27 ; LCSc = 42,6 ; LCIc = 11,4
El plan de muestreo habitual consistía en tomar, cada hora, una muestra de 10 metros. Como disconformidades se consideraban todos los defectos (manchas, agujeros, etc...) observables a simple vista.
![Page 54: Graficos de contro lfinal](https://reader034.vdocuments.mx/reader034/viewer/2022042521/5593d1011a28abd3638b46b3/html5/thumbnails/54.jpg)
El siguiente gráfico de control contiene los valores medidos en los últimos dos días:
![Page 55: Graficos de contro lfinal](https://reader034.vdocuments.mx/reader034/viewer/2022042521/5593d1011a28abd3638b46b3/html5/thumbnails/55.jpg)
Evidentemente dos de las muestras tomadas el 15/06/1991 están fuera de losLímites de Control, presentando un número de defectos mayor del explicablepor la variación normal del proceso.Analizando los acontecimientos ocurridos alrededor de las 10.00 y de las 13.00(horas en las que se tomaron las muestras fuera de los Límites de Control) seconsiguió identificar la causa especial del aumento de defectos: En los doscasos, un técnico de planta había abierto la máquina en marcha para explicarsu funcionamiento a clientes de la empresa, causando manchas en el papel.Puesto que las visitas de clientes interesados en el proceso de producción eranbastante frecuentes, se procuró poner un plástico de protección en la tapa dela máquina, evitando así producir desecho cada vez que se quería mostrar sufuncionamiento.
![Page 56: Graficos de contro lfinal](https://reader034.vdocuments.mx/reader034/viewer/2022042521/5593d1011a28abd3638b46b3/html5/thumbnails/56.jpg)
PROCESO BAJO CONTROL
• Si no hay puntos fuera de los límites de control y no se encuentran patrones no aleatorios, se adoptan los límites calculados para controlar la producción futura
• Una vez determinado que el proceso esta bajo control estadístico entonces se puede evaluar la capacidad del proceso.
![Page 57: Graficos de contro lfinal](https://reader034.vdocuments.mx/reader034/viewer/2022042521/5593d1011a28abd3638b46b3/html5/thumbnails/57.jpg)
Es una herramienta simple y efectiva para lograr un control estadístico.
El operario puede manejar las cartas en su propia área de trabajo, por lo cual puede darinformación confiable a la gente cercana a la operación en el momento en que se deben detomar ciertas acciones.
Cuando un proceso está en control estadístico puede predecirse su desempeño respecto a lasespecificaciones. En consecuencia, tanto el productor como el cliente pueden contar conniveles consistentes de calidad y ambos pueden contar con costos estables para lograr esenivel de calidad.
Una vez que un proceso se encuentra en control estadístico, su comportamiento puede sermejorado posteriormente reduciendo la variación.
Al distinguir ente las causas especiales y las causas comunes de variación, dan una buenaindicación de cuándo un problema debe ser corregido localmente y cuando se requiere deuna acción en la que deben de participar varios departamentos o niveles de la organización