Professional Documents
Culture Documents
UTN-FRM
Las primeras grficas de control surgieron en relacin con sus teoras y mtodos
para el control y garanta de la calidad. En respuesta a los problemas referentes a
la elaboracin de una forma aceptable de informes de inspeccin, que se pudiera
observar de vez en cuando para obtener de una ojeada la mayor cantidad de
informacin exacta, en 1924 el Dr. Shewhart dise las grficas de control que
despus se denominaron primeras grficas de control de Shewhart.
En la dcada de 1940 nace lo que se denomina el control estadstico de la calidad
(Feigenbaum). La American Standards Association, a solicitud del Ministerio de
Guerra de los Estados Unidos de Norteamrica, particip en la aplicacin del
control estadstico de la calidad en los productos manufacturados.
La importancia del control de calidad se difundi ms all de los Estados Unidos.
En Japn, la introduccin de cursos sobre control de calidad y
grficas de control de calidad se realza en esta dcada. Deming desempe un
papel muy importante en la difusin y prctica del controlde calidad en Japn.
En Inglaterra se capt desde un principio la importancia de los nuevos
mtodos estadsticos que surgan en la industria y en los laboratorios. Su inters y
participacin en el desarrollo y difusin del conocimiento sobre control de calidad
fue continuo desde la dcada de 1930 hasta la de 1950. En 1952 la Royal Statical
Society public la revista Applied Statistics.
En la dcada del 60 empieza una nueva fase del control de calidad. sta fue el de
una poca que Feigenbaum describi como la del control de calidad total. Antes
de la dcada mencionada, las actividades de control de calidad se asociaban
esencialmente con la fbrica. Las estructuras encargadas de tomar decisiones
comerciales no podan utilizar efectivamente los resultados y recomendaciones
que surgan de la aplicacin de las tcnicas estadsticas.
Las tcnicas no se aplicaban a los problemas serios de control de calidad en los
que estaban ms interesados la direccin de la empresa. No exista el marco de
referencia para hacerlo. El control total de calidad requiere que todos los
departamentos, no solo el de control de calidad, participen en las actividades de
control de calidad. Por tanto, cada departamento tiene determinada
responsabilidad para garantizar una buena calidad.
La certificacin de laboratorios corri paralela a muchos de los avances que se
producan en el rea industrial. En 1975 el Ministerio de Comercio de los Estados
Unidos propuso la creacin del National Voluntary Laboratory Accreditatin
Program (NVLAP). En 1976 se publicaron las leyes y reglamentos para el
programa (Federal Register, 1976). El NVLAP se creo para atender las
necesidades de la industria, de los consumidores, del gobierno y otros, mediante
la certificacin de los laboratorios de prueba de la Nacin. Ms tarde en 1976, el
American Council of Independent Laboratory form la American Association of
Laboratory Accreditacion(AALA).
4
PROCESO
UN SISTEMA DE ACTIVIDADES QUE UTILIZA RECURSOS PARA
TRANSFORMAR ENTRADAS EN SALIDAS.
ISO 17025:2005
REQUISITOS GENERALES PARA LA COMPETENCIA
DE LOS LABORATORIOS
DE ENSAYO Y DE CALIBRACIN
PORQU ACREDITAR UN LABORATORIO?
PORQUE SE DEMUESTRA FORMALMENTE, CON LA EVALUACIN DE UN
ORGANISMO INDEPENDIENTE, LA COMPETENCIA TCNICA Y LA
EFICACIA DEL SISTEMA DE CALIDAD.
11
REQUISITOS TCNICOS
5.1
5.2
5.3
5.4
GENERALIDADES
PERSONAL
INSTALACIONES Y CONDICIONES AMBIENTALES.
MTODOS DE ENSAYOS Y CALIBRACIN Y
VALIDACIN DE LOS MTODOS.
5.5 EQUIPOS
5.6 TRAZABILIDAD DE LAS MEDICIONES
5.7 MUESTREO
5.8 MANIPULEO DE LOS ITEMS DE ENSAYO O DE
CALIBRACIN.
5.9 ASEGURAMIENTO DE LA CALIDAD DE LOS
RESULTADOS DE ENSAYO Y DE CALIBRACIN.
5.10 INFORME DE LOS RESULTADOS.
12
AUDITORIAS
ACTIVIDAD DOCUMENTADA PARA DETERMINAR, POR MEDIO DE
INVESTIGACION, EXAMEN, Y EVALUACIN DE EVIDENCIAS OBJETIVAS, LA
ADECUACIN Y CONFORMIDAD CON UN ESTNDAR ESTABLECIDO.
TIPOS DE AUDITORA
1 PARTE
2 PARTE
3 PARTE
PROCEDIMIENTOS
MANDATARIOS
CONTROL DE DOCUMENTOS
CONTROL DE REGISTROS
AUDITORIA INTERNA
ACCIONES PREVENTIVAS
ACCIONES CORRECTIVAS
CONTROL DE PRODUCTO NO CONFORME
PIRMIDE DOCUMENTAL
13
MANUAL DE CALIDAD
PROCEDIMIENTOS
INSTRUCTIVOS DE TRABAJO
REGISTROS
Una carta de control tpica consta de tres lneas. Posee una lnea central, que
representa el valor promedio de la caracterstica de calidad y que corresponde al
estado bajo control. Tambin se observan dos lneas horizontales, llamadas el
lmite superior de control y el lmite inferior de control. Estos lmites se eligen de
manera tal que si el proceso se halla bajo control estadstico, casi todos los puntos
muestrales se localizarn entre ellos. Los puntos muestrales se ubican en funcin
del tiempo, es decir la carta de control es una serie de tiempo. Es costumbre unir
los puntos muestrales de la carta de control con segmentos de lnea, a fin de
facilitar la visualizacin de la evolucin con el tiempo de la secuencia de puntos.
Si todos los puntos graficados se hallan dentro de los lmites de control y los
mismos aparecen de forma aleatoria, se supone que el proceso se halla dentro de
control y no es necesaria ninguna accin correctiva. Decimos que los puntos
aparecen en forma aleatoria cuando se ubican uno abajo, seguido de otro arriba
de la lnea central o viceversa.
15
0,82
UCL=0,81586
0,81
_
_
X=0,79883
0,80
0,79
LCL=0,78179
0,78
1
8
9
Muestra
10
11
12
13
14
15
Rango de la muestra
0,03
UCL=0,02960
0,02
_
R=0,00906
0,01
0,00
LCL=0
1
8
9
Muestra
10
11
12
13
14
15
Existe una estrecha relacin entre las cartas de control y una prueba de hiptesis.
Al igual que en las pruebas de hiptesis, en las cartas de control pueden
cometerse dos tipos de errores. Un error tipo I, que es concluir que el proceso est
fuera de control cuando en realidad est dentro de control y un error tipo II que es
concluir que el proceso esta dentro de control cuando en realidad est fuera de
control.
Para ilustrar los conceptos anteriores, imaginemos un proceso donde se controla
la cantidad de un detergente slido. El contenido se verifica por diferencias de
pesadas. El proceso est bajo control con un peso de 800 g y una desviacin
estndar de 1,1 g. Para controlar el proceso se extraen 5 envases cada hora, se
calcula el promedio del peso de los cinco envases y se grafica ese valor en la
carta de control. La desviacin estndar de la media muestral x es:
x
1,1
0,49
n
5
Por lo tanto, si el proceso se halla bajo control con un peso de 800 g, entonces al
aplicar el teorema central del lmite, dado que la variable aleatoria peso tiene una
distribucin normal, se espera que 100(1-)% de los pesos medios destrales se
localicen entre 800 Z / 2 (0,49) y 800 Z / 2 (0,49)
Si se escoge arbitrariamente el valor 3 para la constante Z / 2 , los lmites de
control son:
LSC 800 3(0,49) 801,47
y
LIC 800 3(0,49) 798,53
H1 : 800
La carta de control prueba esta hiptesis cada vez que se grafica un punto.
Puede darse un modelo general para una carta de control. Si w es un estadstico
muestral que mide alguna caracterstica de calidad de inters y suponemos que la
media de w es w y que la desviacin estndar de w es w , entonces la LC, el
LSC y el LIC son:
LSC w L. w
LC w
17
LIC w L. w
punto cae fuera de estos limites, el proceso se considera fuera de control y hay
que ubicar la causa atribuible. Por otro lado, se pueden colocar un conjunto de dos
lmites (superior e inferior) dos sigmas, llamados de advertencia.
Una situacin donde dos puntos consecutivos caen entre los lmites dos y tres
sigmas, es una seal de que algo incorrecto est sucediendo en el proceso. Una
posible accin a realizar cuando ocurre sto es incrementar la frecuencia de
muestreo o el tamao de la muestra a fin de obtener con rapidez ms informacin
acerca del proceso.
El uso de los lmites de advertencia mejora la sensibilidad del proceso para
encontrar situaciones de fuera de control. Su desventaja es que adiciona una
cierta cantidad de error tipo I al que ya tienen los lmites tres sigmas y esto
redunda en mayor cantidad de falsas alarmas.
1.10.3 Tamao de la muestra y frecuencia de muestreo
Cuando se disea una carta de control es necesario especificar tanto el tamao de
la muestra que debe usarse como la frecuencia de muestreo. En general, las
muestras ms grandes facilitarn la deteccin de corrimientos ms pequeos en el
proceso. Esto se observa en la figura 2.1, donde se grafica la curva caracterstica
de operacin de la carta x para diferentes tamaos de la muestra. Obsrvese que
la probabilidad de detectar un cambio de 74,000 a 74,010 mm se incrementa
cuando el tamao de la muestra, n, se incrementa.
Otra condicin importante es la frecuencia del muestreo. La situacin ms
deseable desde el punto de vista de la deteccin de corrimientos sera tomar
muestras grandes con mucha frecuencia, sin embargo, esto por lo general no es
econmicamente factible. Una forma de compensar la situacin es tomar muestras
grandes en intervalos ms amplios o muestras ms chicas en intervalos ms
pequeos. La prctica actual en la industria tiende a favorecer las muestras ms
pequeas en intervalos ms cortos de tiempo.
Otra manera de evaluar las decisiones respecto del tamao de la muestra y la
frecuencia del muestreo es con la longitud promedio de la corrida (ARL, por sus
siglas en ingles).de la carta de control. En esencia, la ARL, es el nmero promedio
de puntos que deben graficarse antes de que un punto indique una condicin de
fuera de control. Como la distribucin de probabilidad de la ARL es geomtrica,
para su clculo utilizamos la media de esta distribucin. Si las observaciones del
proceso son independientes una de otra, entonces para cualquier carta de
Shewhart, la ARL, puede calcularse como
ARL
1
p
20
Como ejemplo, podemos considerar la carta de control tres sigmas. En esta carta
p=0,0027, es la probabilidad de que un solo punto se localice fuera de los limites
de control cuando el proceso est bajo control. Por lo tanto, la longitud promedio
de la carta cuando el proceso est bajo control (llamada ARL o) es,
ARLo
1
1
370
p 0,0027
ARL1
1
p
1
1
p 1
21
Introduccin
Muchas caractersticas de calidad pueden expresarse en trminos de una
medicin numrica. Por ejemplo el dimetro de un rodamiento, la viscosidad de un
polmero o la concentracin de un contaminante en la fabricacin de un producto
qumico. A una caracterstica de calidad susceptible de medicin se le llama
variable. Las cartas de control para variables son de uso generalizado.
Cuando se trata con una caracterstica de calidad que es una variable, por lo
general es conveniente monitorear tanto el valor medio de la caracterstica de
calidad como su variabilidad. El control del promedio se hace con la carta de
media o carta x . La variabilidad del proceso puede monitorearse con una carta de
control para la desviacin estndar, llamada carta S o bien con una carta de
control para el rango, llamada carta R. La carta R es adecuada cuando los
tamaos de la muestra son iguales o menores que 7. En otro caso, pierde
eficiencia y se usa la carta S.
Cartas de control para
yR
Supongamos que una caracterstica de calidad tiene una distribucin normal con
media y desviacin estndar , donde ambas son conocidas. Si x1 , x 2 , x n
es una muestra de tamao n, entonces el promedio de esta muestra es
x
x1 x 2 ... xn
n
y desviacin estndar x
. Adems la probabilidad es de
n
y
Z / 2 x Z / 2
(2.1)
(2.2)
Por lo tanto, si y son conocidas, las ecuaciones 2.1 y 2.2 podran usarse
como lmites de control superior e inferior en una carta de control para las medias
muestrales. Se acostumbra sustituir Z / 2 por el valor 3, a fin de trabajar con
lmites tres sigmas. Si la media de una muestra se localiza fuera de estos limites,
se trata de un indicio de que la media del proceso ha dejado de ser igual a .
En la prctica generalmente no se conocen los valores de y . Por lo tanto,
deben estimarse a partir de la muestra o subgrupos preliminares tomados cuando
se considera que el proceso est bajo control. En general estas estimaciones
deben basarse en al menos 20 0 25 muestras.
24
Supongamos que contamos con m muestras, cada una de las cuales tiene el
mismo tamao muestral n .Sean
los promedios de cada muestra.
Por lo tanto
x1 x 2 ...xm
m
R1 R2 ...Rm
m
Existe una relacin bien conocida entre el rango de una muestra y la desviacin
estndar de esa distribucin. A la variable aleatoria W R / se le llama rango
relativo. Los parmetros de la distribucin de W son funcin del tamao de la
muestra. La media de W es d 2 , que es una constante que depende del tamao
d2
25
LSC x 3 x x 3
R
x3
n
d2 n
LIC x 3 x x 3
R
x3
n
d2 n
Si se define
A2
3
d2 n
LSC x A2 R
LC x
(2.3)
LIC x A2 R
Se sabe que R d 3
la muestra
LSC R 3 R R 3d 3 R 3d 3
Si llamamos D4 1
3d
R
R 1 3
d2
d2
3d 3
d2
LSC RD4
LIC R 3 R R 3d 3 R 3d 3
Si hacemos D3 1
3d
R
R 1 3
d2
d2
3d 3
d2
26
LIC RD3
Resumiendo:
LSC RD4
(2.4)
LC R
LIC RD3
Para cado uno de los puntos que quedan fuera de los lmites de control es
necesario buscar una causa atribuible o asignable. Si se encuentra la causa
asignable, se soluciona y se supone que no va a producirse en el futuro. Luego
hay que recalcular los lmites de control y observar si otro punto ha salido de
control ya que generalmente luego de eliminar un punto fuera de control, los
lmites sern ms estrechos. Si otro punto sale de control, se vuelve a analizar si
hay una causa asignable. Esto se realiza hasta que todos lo puntos estn dentro
de control. Si no se halla una causa asignable, el punto se descarta y los lmites
de control se recalculan hasta que todos los puntos estn dentro control.
Ocasionalmente cuando los valores muestrales iniciales de x y R se grafican
contra los limites de control de prueba, muchos puntos se localizarn fuera de
control. En este caso no es muy prctico buscar las causas asignables de todos
los puntos fuera de los lmites. En este caso es ms lgico buscar un patrn de
comportamiento que est generando esta salida masiva de control. La eliminacin
de este problema da como resultado una mejora notable en el proceso.
Ejemplo:
Unas piezas de polipropileno manufacturadas por un proceso de moldeo de
inyeccin se someten a una prueba de resistencia a la compresin. Se colectan 20
muestras de cinco partes cada una y las resistencias a la compresin ( en psi) se
presentan en la tabla siguiente:
27
Mue
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
X1
83,0
88,6
85,7
80,8
83,4
75,3
74,5
79,2
80,5
75,7
80,0
80,6
82,7
79,2
85,5
78,8
82,1
84,5
79,0
84,5
X2
81,2
78,3
75,8
74,4
78,4
79,9
78,0
84,4
86,2
75,2
81,5
81,8
81,3
74,9
82,1
79,6
78,2
76,9
77,8
73,1
X3
78,7
78,8
84,3
82,5
82,6
87,3
80,8
81,5
76,2
71,1
78,4
79,3
79,1
78,6
82,8
80,2
75,5
83,5
81,2
78,6
X4
X5
75,7 77,0
71,0 84,2
75,2 81,0
74,1 75,7
78,2 78,9
89,7 81,8
73,4 79,7
86,0 74,5
74,1 80,2
82,1 74,3
73,8 78,1
73,8 81,7
82,0 79,5
77,7 75,3
73,4 71,7
79,1 80,8
78,2 82,1
81,2 79,2
84,4 81,6
78,7 80,6
xi
79,1
80,2
80,4
77,5
80,3
82,8
77,3
81,1
77,4
75,7
78,4
79,4
80,9
77,1
79,1
79,7
79,2
81,1
80,8
79,1
Ri
7,3
17,6
10,5
8,4
5,2
14,4
7,4
11,5
22,1
11,0
7,7
8,0
3,6
4,3
13,8
2,0
6,6
7,6
6,6
11,4
Si
2,98948
6,64771
4,79218
3,88265
2,49399
5,77754
3,22289
4,53398
4,64790
4,01024
2,89016
3,31104
1,56589
1,94242
6,14207
0,81240
2,85079
3,10532
2,54951
4,11764
85,0
UCL=84,68
82,5
_
_
X=79,43
80,0
77,5
75,0
LCL=74,18
1
11
Muestra
13
15
17
19
Rango de la muestra
20
UCL=19,25
15
_
R=9,11
10
5
0
LCL=0
1
11
Muestra
13
15
17
19
28
9,11
3,92
2,326
R
9,11
3,92
d2
2,326
Cp
88 70
0,76
6.3,92
p P(
x 70 79,43
x 88 79,43
) P(
3,93
3,93
p P Z 2,4 P Z 2,18
p 0,00714 0,0146 0,021
30
33
L
estndar
y los lmites de control superior e inferior son LSC o
y
n
L
LIC o
n
LSC ( o k )
LIC ( o k
F
F
n
n
o L / n ( o k )
o L / n ( o k
F
F
n
n
F Lk n F Lk n
34
1
1
1
1,5
p 1 0,64
En conclusin, hay que sacar en promedio 1,5 muestras, despus del cambio,
para detectar el mismo.
Curva OC para la carta R
En esta curva se grafica la probabilidad de no detectar un corrimiento a un nuevo
valor de , por ejemplo 1 o , en la primera muestra despus del corrimiento. En
la figura se presenta la curva OC, en la que se grafica contra 1 / o , el
cociente entre la desviacin estndar nueva y la anterior del proceso. Esto se hace
para varios tamaos muestrales.
En la figura se observa que la cara R no es muy efectiva para detectar los
corrimientos en el proceso para tamaos de muestra pequeos. Por ejemplo, si la
desviacin estndar del proceso se duplica, es decir 2 , que es un corrimiento
bastante grande, entonces las muestras de tamao 5 solo tienen una oportunidad
del 40 % de detectar este corrimiento en cada muestra subsecuente.
35
Cartas de control de
yS
36
S
La lnea central de la carta es
El lmite superior es: S 3 S
1 m
Si
m i 1
La desviacin estndar de
es 1 c 42 donde c 4 es una constante que
depende del tamao de la muestra.
Reemplazando en el lmite superior de control queda
LSC S 3 S S 3 1 c42
Un estimador insesgado de
es S / c 4
S
LSC S 3 S S 3 1 c42 S 3
1 c 42
c4
S
LIC S 3 S S 3 1 c 42 S 3
1 c 42
c4
(2.5)
LIC B3 S
37
LSC x 3 x x 3
S
x3
n
c4 n
LIC x 3 x x 3
S
x 3
n
c4 n
Considerando la constante
quedan
LSC x A3 S
LC x
LIC x A3 S
Muestra
(2.6)
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
Si
2,98948
6,64771
4,79218
3,88265
2,49399
5,77754
3,22289
4,53398
4,64790
4,01024
2,89016
3,31104
1,56589
1,94242
6,14207
0,81240
2,85079
3,10532
2,54951
4,11764
Si
3,68
m
LSC S B4 3,68.2,089 7,687
LIC S B3 3,68.0 0
38
xi
79,43
m
85,0
UCL=84,68
82,5
_
_
X=79,43
80,0
77,5
75,0
LCL=74,18
1
11
Muestra
13
15
17
19
Desv.Est. de la muestra
UCL=7,687
6
_
S=3,680
4
2
0
LCL=0
1
11
Muestra
13
15
17
19
En este caso debe usarse el enfoque del promedio ponderado para calcular
S .
39
ni x i
x i 1m
ni
i 1
i1 ni 1
1/ 2
S i2
i 1
ni m
40
LSC x 3
MR
d2
LC x
(2.7)
MR
LIC x 3
d2
(2.8)
LC MR
LIC D3 MR
Viscosidad
33,75
33,05
34
33,81
33,46
34,02
33,68
33,27
33,49
33,20
33,62
33,00
33,54
33,12
33,84
Rango Mvil
MR
0,7
0,95
0,19
0,35
0,56
0,34
0,41
0,22
0,29
0,42
0,62
0,54
0,42
0,72
41
Grfica I-MR de C2
UCL=34,808
Valor individual
34,5
34,0
_
X=33,522
33,5
33,0
32,5
LCL=32,236
1
7
8
9
Observacin
10
11
12
13
14
15
Rango mvil
1,6
UCL=1,580
1,2
0,8
__
MR=0,484
0,4
0,0
LCL=0
1
7
8
9
Observacin
10
11
12
13
14
15
ARL1
1
0,9772
43,96
2
0,8413
6,3
3
0,5000
2
Obsrvese que es muy limitada la habilidad de la carta de control de las
mediciones individuales para detectar corrimientos pequeos. Por ejemplo,
considrese un proceso qumico continuo en el que se toman muestras cada una
42
43
44