INTEGRANTES DEL EQUIPO: 10510108 10510109 10510382 10510386 11510100 CRUZ VICTORIO FRANCISCA DE LEON BARRIOS SHITLALY CLEOTILDE

FLORANES SANCHEZ JOSE LUIS JIMENEZ MEJIA MILTON IVAN CESAR SALGADO MENDOZA

CONTROL ESTADISTICO DE CALIDAD

ING. VIOLETA ALICIA RANGEL RODRIGUEZ

UNIDAD 4 22 DE JULIO DEL 2013

CASO 2: GRAFICA DE CONTROL PARA ATRIBUTOS

BIBLIOGRAFIA: http://web.cortland.edu/matresearch/controlprocesos.pdf

Introduccin Algunas caractersticas de calidad no pueden ser representadas convenientemente por medio de variables cuantitativas. En estos casos, las unidades de producto se clasifican en conformes o en no conformes segn la caracterstica o caractersticas cualitativas sean o no conformes con las especificaciones. Las caractersticas de calidad de este tipo se denominan atributos. Los datos de tipo atributo tienen solamente dos valores: Conforme / no conforme, pasa / no pasa, funciona / no funciona, presente / ausente. Tambin se consideran atributos aquellas caractersticas cuantitativas que se registran en trminos de sino como por ejemplo, el dimetro de un eje cuya conformidad solo la medimos en trminos de aceptable/no aceptable, las imperfecciones de pintura en una puerta de un automvil, las burbujas en la laca de un detonador, la presencia/ausencia de un percutor, etc. Vamos a analizar cuatro tipos de grficos de control por atributos: Grfico p para porcentajes defectuosos Grfico np para el nmero de unidades defectuosas Grfico c para el nmero de defectos Grfico u para el nmero de defectos por unidad inspeccionada Grfico p para porcentajes defectuosos La fraccin no conforme de un colectivo se define como el cociente entre el nmero de unidades defectuosas y el nmero total de unidades en dicho colectivo. Cada unidad de producto puede ser examinada por el inspector respecto de una o varias caractersticas cualitativas. Si la unidad inspeccionada no es conforme respecto a la especificacin en una o ms caractersticas, se clasifica como no conforme. Habitualmente, la fraccin no conforme se expresa en forma decimal aunque puede tambin indicarse en tanto por ciento. La distribucin binomial es la base estadstica del grfico de control por atributos. Supondremos que el proceso est operando de forma estable y que la posibilidad de que una unidad de producto sea defectuosa es constante y de valor p. Tambin, supondremos que las unidades producidas sucesivamente son independientes. Entonces, si tomamos una muestra de n unidades, y llamamos x al nmero de unidades no conformes, la probabilidad de que x tome los valores 0, 1, 2.... n vendr determinada por la distribucin binomial con parmetros n, p:

P(x)=(nx)px(1p)nx;x=0,1,2,,n
El valor medio y la varianza de esta distribucin son :

x=np;2x=np(1p)

La fraccin muestral no conforme se define como el cociente entre el nmero de unidades no conformes en la muestra x y el tamao de la misma p = x/n. El valor medio y la varianza de p sern respectivamente :

p=p;2p=p(1p)n
como consecuencia de la relacin p = x/n Operativa del grfico de control p La base estadstica para definir los lmites de control es comn con los restantes grficos de Shewhart: Si W es un estadstico que describe una determinada caracterstica de calidad siendo w y w su media y su varianza, los lmites de control se definen como :

LCS=w+Kw;LC=w;LCI=wKw
K es la distancia de los lmites de control a la lnea central expresada como un mltiplo de sw. Habitualmente escogeremos K = 3. Supongamos que conocemos o se especifica la fraccin p no conforme de un proceso de produccin. Entonces los limites de control resultan:

LCS=p+3p(1p)n;LC=p;LCI=p3p(1p) n
La operativa consiste en tomar sucesivas muestras de n unidades, contar dentro de cada muestra el nmero de unidades no conformes y calcular p=D/n llevando este valor al grfico. En tanto ppermanezca dentro de los lmites de control y la secuencia de puntos no seale ninguna pauta distinta a la que puede surgir por mero azar, diremos que el proceso est bajo control al nivel p de fraccin no conforme. Si por el contrario, observamos algn punto fuera de control o un patrn inusual diremos que la fraccin defectuosa ha cambiado a un nivel diferente y que el proceso est fuera de control. Cuando se desconoce p, debe estimarse a partir de los datos. El procedimiento a seguir es seleccionar m muestras preliminares, cada una de tamao n. Como norma general, m estar comprendido entre 20 y 25. Si Di es el nmero de unidades defectuosas en la muestra i, calcularemos la fraccin defectuosa en la muestra como pi=Di/n;i=1,2,,n ; i = 1, 2... .n y la media de estas fracciones,p=Di/mn , estimar la media p del proceso siendo los lmites de control:

LCS=p+3p(1p)n;LC=p;LCI=p+3p(1p) n

Frecuentemente se utiliza solo el lmite superior. Estos lmites de control se consideran como limites de prueba y sirven para determinar si el proceso estaba bajo control cuando las m muestras iniciales fueron seleccionadas. Si todos los puntos caen dentro de los lmites de control y no se observa ninguna pauta anormal dictaminaremos que el proceso estaba bajo control a la toma de las m muestras y los lmites de prueba sern validos para controlar la produccin actual y la futura. Los lmites de control para la produccin actual deben basarse en datos obtenidos de una situacin estable. Por ello, cuando alguno de los puntos iniciales est fuera de control se hace necesario revisar los lmites de control. Esto se realiza examinando cada punto fuera de control y buscando las causas asignables. Si se localiza la causa asignable se descarta el punto correspondiente y se vuelven a calcular los lmites de control con los puntos restantes. Puede darse el caso que alguno de estos restantes puntos se encuentre ahora fuera de control respecto de los nuevos lmites ya que estos sern, normalmente, ms estrechos que los iniciales. Entonces, deben repetirse los pasos dados anteriormente hasta que todos los puntos se encuentren dentro de control con lo que ya podremos adoptar los lmites hasta entonces provisionales como lmites definitivos. Si el grfico de control se basa en un valor estandar conocido (un objetivo) para la fraccin no conforme p, entonces el clculo de lmites de prueba es, generalmente, innecesario aunque deben tomarse ciertas precauciones en el sentido de comprobar si el proceso est bajo control a un valor de p diferente dei indicado en el objetivo. Por ejemplo, supongamos que la Direccin seala como valor objetivo p = 0,01 pero que el proceso se encuentra realmente bajo control a p = 0,05. Utilizando el grfico correspondiente a p = 0,01 encontraremos muchos puntos fuera de control sin que aparezca causa asignable. No obstante, suele ser til esta opcin para mejorar el nivel de calidad llevando el proceso al nivel adecuado, sobre todo en procesos donde la fraccin no conforme puede ser controlada mediante un proceso sencillo de ajuste. Diseo del grfico p El grfico p tiene tres parmetros a especificar: Tamao y frecuencia del desmuestre y distancia entre lmites de control. Es frecuente calcular el grfico de control a partir de la inspeccin realizada a lo largo de un periodo de tiempo determinado. Un da, un turno, etc. En este caso, la frecuencia y el tamao de la muestra estn relacionados. Generalmente, se selecciona inicialmente la frecuencia del desmuestre apropiada para la produccin a inspeccionar y de ah resulta el tamao de la muestra, Los subgrupos racionales pueden jugar tambin un papel importante en

determinar la frecuencia del desmuestre. Por ejemplo, si hay tres turnos y sospechamos que entre turnos puede variar el nivel de calidad utilizaremos cada turno como un subgrupo sin mezclarlos para obtener una fraccin diaria no conforme. Si p es pequeo n deber ser suficientemente grande para encontrar, al menos una unidad defectuosa en la muestra. Se ha sugerido que el tamao de muestra debe ser lo bastante grande para tener una probabilidad de aprox. 50% de detectar un cambio de una determinada magnitud. Por ejemplo, supongamos que p = 0,01 y que queremos que la probabilidad de detectar un cambio a p = 0,05 sea del 50%. Suponiendo que aproximamos la distribucin binomial respecto de la normal, escogeremos de tal forma que el lmite de Control Superior coincide con la fraccin no conforme en la situacin de fuera de control. Si 6 es la magnitud del cambio del proceso, entonces n debe satisfacer

=Kp(1p)nn=(K)2p(1p) En nuestro ejemplo, p = 0,01, = 0,05-0,01 = 0,04 y con K=3 n = 56

Los lmites 3 son los que se usan con ms frecuencia aunque pueden adaptarse otros ms sensibles a costa de exponerse a situaciones ms frecuentes de falsa alarma. A veces, suelen usarse limites ms estrechos (por ejemplo 2 ) dentro de una situacin de urgencia para mejorar la calidad de un proceso. Estos lmites deben utilizarse con precaucin porque las falsas alarmas destruyen la confianza de los operadores en los grficos de control. Hay que tener en cuenta que los lmites de control estudiados se basan en la distribucin binomial que considera constante la proporcin defectuosa p y que los valores sucesivos son independientes. En procesos en los que las unidades no conformes estn agrupadas o en los que la probabilidad de producir una unidad defectuosa depende de que la anterior unidad producida haya sido no defectuosa, no son aplicables este tipo de grficos. Deben examinarse con cuidado aquellos puntos situados por debajo del lmite de control inferior. Estos puntos no suelen ser lo que aparentemente indican: Una mejora en la calidad del proceso por disminucin de a sino que suelen originarse por errores en la inspeccin o por causa de aparatos de medida mal calibrados. Tambin puede deberse a que los operadores hayan registrado datos ficticios para cubrir su responsabilidad.

OBJETIVO
El objetivo de esta practica se baso en tomar varias muestras, en este caso fue la medicin de mojarras, se tomaron 100 mojarras para el muestreo, y asi saber cuales eran las que cumplan con la medida deseada, tambin usando graficas de control por atributos.

Prctica de la empresa de un vivero de mojarras Procedimiento Para poder medir la mojarra primero tuvimos que ver si haban mojarras vivas o muertas Despus que encontramos mojarras recin salidas del vivero Para su venta de estas para medirlas se utiliz una regla en cm A su vez como Iban sacando las mojarras se iban midiendo para ver si estaban muy pequeas o grandes Si estaban pequeas le iban poniendo al agua para que siguiera con su crecimiento para la siguiente ocasin se pudieran llevar para las ventas.

Conclusin llegamos a la conclusin de que no todas las mojarras tenan las mismas medidas que haban unas pequeas que no cumpla con las perspectivas del pblico en general asimismo las mojarras deben de tener una cierta medida para poderlas vender porque si no se cumpl con las medidas adecuadas sera un producto que no tendran una buena calidad y no se venderan al pblico y estara muy baja su calidad por eso se tienen que medir y pesar las mojarras para que sea un producto de calidad. En la graficas se puede observar las medidas de las mojarras en las cuales se puede observar que medidas estn en limite central y fuera del lmite superior y fuera o dentro del lmite inferir esto nos indica que medidas son de adecuadas para su venta al pblico en general y que la calidad se la mejor, que en esta hay mucha competencia a su vez tienen que tener las mejores mojarras