Professional Documents
Culture Documents
CONTROL DE CALIDAD
Interpretando la Grfica
En todos los procesos de produccin
necesitamos monitorear la extensin La grfica ms estndar contiene
en la cual nuestros productos actualmente dos grficos (y dos
satisfacen las especificaciones. En histogramas): Uno es llamado un
trminos ms generales, hay dos Grfico Barra X, el otro es llamado
enemigos de nuestra calidad del un Grfico R. En ambos grficos de
producto: (1) desviaciones de las lnea, el eje horizontal representa las
especificaciones del blanco, y (2) diferentes muestras; el eje vertical
excesiva variabilidad alrededor de para el grfico Barra X, representa las
las especificaciones del blanco. medias
medias para las caractersticas de
Durante las primeras etapas del inters; el eje vertical para el grfico
desarrollo del proceso de produccin, R representa los rangos rangos. Por
se utilizan a menudo experimentos ejemplo, supongan que deseamos
diseados para optimizar estas dos controlar los dimetros de los anillos
caractersticas de calidad. Los de pistn que estamos produciendo.
mtodos proporcionados en control La lnea central en el grfico Barra X
de calidad son procedimientos de representara el tamao estndar
control en lnea o en proceso deseado (por ejemplo, dimetro en
para monitorear un proceso de milmetros) de los anillos, mientras
produccin sobre la marcha. que la lnea central en el Grfico R
representara el rango aceptable de
los anillos (dentro de
Panorama General Introductorio especificaciones) dentro de las
sobre el Control de Calidad muestras; as este ltimo grfico es
Acercamiento General un grfico de la variabilidad del
proceso (entre ms grande la
El acercamiento general a un control variabilidad, ms grande el rango.
de calidad en lnea es un Adems de la lnea central, un grfico
procedimiento ortodoxo: Simplemente tpico incluye dos lneas horizontales
extraemos muestras de un cierto adicionales para representar los
tamao del proceso de produccin lmites de control superior e inferior
sobre la marcha. Entonces (UCL y LCL, respectivamente);
producimos grficas en lnea de la regresaremos a aquellas lneas en
variabilidad en aquellas muestras y breve. Tpicamente, los puntos
consideramos su cercana a las individuales en el grfico representan
especificaciones del blanco. Si las muestras, estn conectadas por
emerge una tendencia en esas una lnea. Si esta lnea se mueve
lneas, o si las muestras caen fuera fuera de los lmites de control
de lmites establecidos de antemano, superior e inferior o muestra unos
entonces declaramos al proceso patrones sistemticos a travs de
fuera de control y tomamos la accin muestras consecutivas, entonces
para encontrar la causa del problema. puede existir potencialmente un
Estos tipos de grficos son algunas problema de control de calidad. La
veces referidos como grficos de media global (seguida por la media
control Shewhart (1931. estndar deseada) y la desviacin
2
basada en un razonamiento
estadstico. Por ejemplo, la 9 puntos en Zona C o ms all (en
probabilidad de que cualquier media un lado de la lnea central.
de una muestra en un grfico de
control Barra X caiga arriba de la Si esta prueba es positiva (por
lnea central es igual a 0.5, ejemplo, si este patrn es detectado),
suponiendo que (1) el proceso est entonces el proceso promedio
en control (por ejemplo, el valor de la probablemente ha cambiado.
lnea central es igual a la media de la Observen que es asumido que la
poblacin, y (2) que medias de distribucin de las respectivas
muestras consecutivas son caractersticas de calidad en la
independientes (por ejemplo, no grfica es simtrica alrededor de la
estn auto correlacionadas), y (3) que media. Esto es, por ejemplo, no el
la distribucin de medias siguen la caso para Grficos R, Grficos S o
distribucin normal. Simplemente muchos grficos de atributo. Sin
establecido, bajo estas condiciones embargo, esto es an una prueba til
hay un 50 50 de probabilidad de para alertar al ingeniero de control de
que una media caer arriba o debajo calidad a cambios potenciales en el
de la lnea central. As, la probabilidad proceso. Por ejemplo, muestras
de que dos medias consecutivas sucesivas con variabilidad menor del
caern sobre la lnea central es igual promedio pueden ser valiosos el
a 0.5 veces 0.5 = 0.25. investigarlas, ya que ellas pueden
proporcionar insinuaciones de cmo
De igual manera, la probabilidad de disminuir la variacin en el proceso.
que 9 muestras consecutivas (o una
corrida de 9 muestra) caern en el 6 puntos en hilera incrementando o
mismo lado de la lnea central es decrementando paulatinamente.
igual a 0.5*9=0.00195. Observen que
esto es aproximadamente la Esta prueba seala un desvo en el
probabilidad con la cual una muestra proceso promedio. A menudo tal
media pueda esperarse caer fuera de desvo puede ser el resultado de un
los lmites 3 sigma (dada la desgaste de herramientas, deterioro
distribucin normal, y un proceso en en el mantenimiento, mejoras en la
control. Por lo tanto, uno puede habilidad, etc. (Nelson, 1985)
buscar por 9 medias de muestras
consecutivas en el mismo lado de la 14 puntos en una hilera
lnea central como otra indicacin de alternndose hacia arriba y hacia
una condicin fuera de control. abajo.
centramiento (aleatorio.
Especficamente, podemos calcular la Cuando la variabilidad total del
sigma alternativa (Sigma 2) como: proceso es usada en los clculos de
capacidad estndar, los ndices
Sigma 2 = ( 1 TS)2 / (n-1)) resultantes son usualmente referidos
como ndices de comportamiento del
Donde: proceso (ya que ellos describen el
comportamiento actual del proceso)
Sigma 2 es el estimado alternativo mientras que los ndices calculados
de sigma de la variabilidad inherente (sigma
i es el valor de la i th dentro de muestras) son referidos
observacin en la muestra como los ndices de capacidad (ya
TS es el blanco o que ellos describen la capacidad
especificacin nominal
inherente del proceso. Para conjunto
N es el nmero de
observaciones en la
de datos consistentes de mltiples
muestra muestras STATISTICA calcular
Entonces podemos usar este ambos los ndices de capacidad del
estimado alternativo de sigma para proceso (por ejemplo C p, C p k) as
calcular C p como antes; sin embargo, como los ndices de
nos referiremos al ndice resultante comportamiento del proceso (por
como C p m. ejemplo, P p, P p k)
Cuando moni toreamos un proceso
va grfico de Control de Calidad (por Anlisis del Proceso Anlisis de
ejemplo, las Grficas X-Bar y R es til Capacidad del Proceso (Mquina)
a menudo calcular los ndices de Utilizando experimentos para
capacidad para el proceso. mejorar la Capacidad del Proceso.
Especficamente cuando el conjunto
de datos consiste de mltiples Como se ha mencionado con
muestras, tal como datos para la anterioridad, entre ms alto el ndice
grfica de control de calidad, C p mejor el proceso y no hay
entonces uno puede calcular dos virtualmente lmite superior a esta
diferentes ndices de variabilidad en relacin. El problema de costos de
los datos. Una es la desviacin calidad, esto es las prdidas debidas
estndar regular de todas las a pobre calidad, es discutido en
observaciones, ignorando el hecho de detalle en el contexto de los mtodos
que los datos consisten de muestras de diseo robusto de Taguchi. En
mltiples; el otro es estimar las general, usualmente ms alta calidad
variaciones inherentes del proceso resulta en bajar el costo global; an
dentro de la variabilidad de la aunque los costos de produccin
muestra. Por ejemplo, cuando s puedan incrementarse, las prdidas
grafican Grficos X-Bar y R uno debidas pobre calidad, por ejemplo,
puede usar el estimador comn R-bar debidas a quejas de los clientes,
/ d2 para la sigma del proceso. prdidas de participacin del
Observe sin embargo, que este mercado, etc. son usualmente mucho
estimador es solo vlido si el proceso mayores. En la prctica, dos o tres
es estadsticamente estable. bien diseados experimentos
llevados por unas cuantas semanas
9
Resumen