Control Estadistico de Procesos

Control Estadístico de Procesos
(SPC) para NO estadísticos.
- Sesión 3ª de 4 -
Impartido por:
Jaume Ramonet Fernández
Ingeniero Industrial Superior – PMP®(PMI®)
– Consultoría y Formación –
www.jramonet.com
Jaime Ramonet Curso: Control Estadístico de Procesos (SPC)
3ª sesión
www.jramonet.com
Actitud requerida para recibir formación...

y obtener conocimiento:
"Quien establece una diferencia entre educación y entretenimiento,

no sabe nada ni de una cosa ni de la otra"
Marshall McLuhan.
Contenidos bajo licencia CREATIVE COMMONS 3.0 Reconocer Autor y Compartir Igual. 2 / 56
3ª sesión
www.jramonet.com
Temario de la sesión:
●
Gráficos de Control: Reglas de
verificación de “proceso bajo control”.
●
Clasificación de los G. C.
●
Gráficos para Variables:
●
X, R, S, indiv, MR y MA.
●
Gráficos para Atributos:
●
P, np, C y U.
●
Anexo: Tabla de Constantes.
Aviso legal: Dado el carácter y la finalidad exclusivamente docente y eminentemente ilustrativa de las explicaciones
en clase de esta presentación, el autor se acoge al artículo 32 de la ley de propiedad intelectual vigente respecto al
uso parcial de obras ajenas como imágenes, gráficos u otro material contenidos en las diferentes transparencias.
3ª sesión
www.jramonet.com
Recordemos...
3ª sesión
www.jramonet.com
Reglas de “Proceso bajo control”:

Zonas del Gráfico de Control
Fuera de Control
LCS
1 sigma Zona “A”
1 sigma Zona “B”
1 sigma Zona “C”

LC
1 sigma Zona “C”
1 sigma Zona “B”
1 sigma Zona “A”

LCI
Fuera de Control
3ª sesión
www.jramonet.com
Reglas de Proceso FUERA de control:

●
Regla 1: ●
Regla 5:
– Un solo valor cae fuera de los – 2 puntos consecutivos en la misma
límites de control. zona “A”.
●
Regla 2: ●
Regla 6:
– 8 puntos consecutivos caen por – 4 puntos de un grupo de 5
encima o por debajo de la media. consecutivos en la zona “A” o “B”.
●
Regla 3: ●
Regla 7:
– 5 puntos consecutivos son – 15 puntos consecutivos en la zona
ascendentes o descendentes. “C”.
●
Regla 4: ●
Regla 8:
– 14 puntos consecutivos se – 8 puntos consecutivos ninguno en
alternan “arriba / abajo” (sierra). la zona “C”.
Debate (ustedes): Justificar cada regla...
3ª sesión
www.jramonet.com
Reglas para Proceso FUERA de Control

Gráfico de Medias (Ẍ)
Para ± (3 · σ) Probabilidad Notas:
Regla 1 0,27% Si gráfico R/S es Ok, posible desplazamiento de la media.
Regla 3 ? Si gráfico R/S es Ok, posible desplazamiento de la media.
Regla 4 ? Proceso inestable (diente de sierra).
Regla 7 0,30% Síntoma de reducción de la variabilidad. Ver gráfico R/S.

Síntoma de aumento de la variabilidad.
Regla 8 ? Si gráfico R/S es Ok.: posible mezcla de 2 poblaciones.
3ª sesión
www.jramonet.com
Uso de los Gráficos de Control (I)

●
PRIMERO de TODO: Análisis del Proceso a controlar. Identificar,
determinar y clasificar las posibles causas de variación conocidas y el/los
parámetro/s (factor/es clave) a controlar del proceso.
●
Seleccionar, para cada uno de los parámetros, el tipo de gráfico a utilizar (ver
esquema siguiente).
●
Obtener el Límite Central -LC- (Atención: LC # VN). Hay 2 posibilidades:
– A) Datos de la población SI conocidos: LC = Media de la población.
– B) Datos de la población NO conocidos: Calcular el valor del -LC- mediante inferencia
estadística, a partir de un conjunto de muestras grande (>20, mejor de 30 a 50) y
con el proceso estable (sin causas conocidas de variación).
●
Calcular (a partir de las formulas correspondientes) los valores de los límites
de control (LC superior -LCs- y LC inferior -LCi-). Nota: En los gráficos de
atributos con tamaño de muestra variable, estos límites son función del tamaño
de la muestra, por lo que solo se pueden calcular en el momento de realizar el
control.
3ª sesión
www.jramonet.com
Uso de los Gráficos de Control (II)

●
Con los datos anteriores, crear el/los Gráfico/s o Carta/s de Control
(originalmente en papel, actualmente prepararemos una hoja de cálculo)
●
Elaborar el Procedimiento o Instrucción operativa para la toma de datos que
incluya:
– Tipo de muestreo: todos los individuos, a intervalos (de tiempo o de individuos),
todos los individuos.
– Tamaño de la muestra («subgrupo racional») (n= 4 o 5 para distribución Normal, n
>= 20 para otras distribuciones)
– Valor a controlar y registrar (unidades).
– Métodos e instrumentos de medición a utilizar (mantenimiento, calibración, etc.)
– Cálculos a realizar (Cada punto en el gráfico representa el valor medio del parámetro
calculado sobre la muestra).
– Responsabilidades de recolección, realización de los cálculos,
registro e interpretación de los resultados (8 reglas !) y decisión de
la realización de las acciones correctivas, si procede .
3ª sesión
www.jramonet.com
Uso de los Gráficos de Control (III)

✔
Determinar la periodicidad de la toma de muestras:
– Mayor cuanto menor sea el Cpk o más inestable sea el proceso.
– Tener en cuenta las posibles pérdidas económicas si el proceso esté fuera de control
sin que lo advirtamos (Error tipo II). A mayores perdidas → mayor frecuencia ;-)
✔
Impartir la formación adecuada al personal implicado.
✔
Poner en marcha la realización del Gráfico de Control.
✔
Cada vez que el proceso este fuera de control, registrar el caso, analizar la
posible causa especial y implementar las acciones correctoras que la eviten
en el futuro, si procede.
✔
Revisar periódicamente la consistencia de los parámetros utilizados (-LC- LCs-
-LCi-) en la construcción del Gráfico de Control. p.e. Si se producen muchos
falsos positivos (Error tipo I -”Falsas alarmas”).
3ª sesión
www.jramonet.com
GC. para parámetros Variables Contínuas

“n” = tamaño de cada muestra. Inicio
No Si
n=1
No Si
n >= 10
- Grs. Valores Individuales y

Rangos Móviles (MR).
- Grs. Medias Móviles (MA) y
GráficosX y R GráficosX y S
Rangos Móviles (MR).
3ª sesión
www.jramonet.com
Gráficos para VARIABLES Continuas:

●
Gráficos de Control de la Tendencia Central del proceso:
– Gráfico de Medias muestrales “X”
– Gráfico de Valores Individuales.
– Gráfico de Media Móvil “MA”.
●
Gráficos de Control de la Variabilidad del proceso:
– Gráfico de Rangos de recorrido “R”
– Gráfico de Desviaciones “S”.
– Gráfico de Rango Móvil “MR”.
●
Nota: Para el control efectivo de las variables continuas debemos tener dos gráficos de
cada parámetro: un gráfico que controla la tendencia central (media) y otro gráfico
para la variabilidad (dispersión o desviación) (R o S).
3ª sesión
www.jramonet.com
Variables: Resumen de formulas
Consultar valores A, A2, A3, B3, B4, B5, B6, D1, D2, D3 y D4 en tabla última transparencia.
3ª sesión
www.jramonet.com
Variables: Gráfico de Medias  X

●
Valor representado: Media de cada muestra (media muestral).
●
Cálculo de los Límites de Control del gráfico:
– Si conocemos (μ; σ) de la población:
●
LCS = μ + ( 3 · σ / √‾n ) = μ + A · σ ; (siendo A = 3 /√‾n ).
●
LC = μ X
●
LCI = μ - ( 3 · σ / √‾n ) = μ - A · σ
– Si no conocemos los datos de la población, hay que calcularlos por inferencia
estadística: x = media de las medias muestrales, Rmedio = la media de los
rangos (Válido para muestras pequeñas n < 10) o Smedia = media de las
desviaciones muestrales:
● LCS =x + A2 · Rmedio o utilizando S: LCS =x + A3 · Smedia
●
LC =x
● LCI =x - A2 · Rmedio o utilizando S: LCS =x - A3 · Smedia
Consultar valores A2, D3 y D4 en tabla “Factores para los Gráficos de Control”
3ª sesión
www.jramonet.com
Gráfico de Rangos “R”

●
Valor representado: Rango de dispersión de cada muestra.
●
Límites de Control:
– Si conocemos (μ; σ) de la población (Nota: A2 = 3 / √‾n):
● LCS = D2 · σ
● LC = d2 · σ
● LCI = D1 · σ
– Si no los conocemos, calculamos la media (ẍ) y la media de los rangos
(Rmedio). Válido para muestras pequeñas ( n < 10):
● LCS = Rmedio · D4
● LC = Rmedio
● LCI = Rmedio · D3
Consultar valores A2, D3 y D4 en tabla “Constantes para los Gráficos de Control”
3ª sesión
www.jramonet.com
Gráfico de Desviación “S”

●
Valor representado: Valor de la desviación de cada muestra.
●
– Si conocemos (μ; σ) de la población (Nota: A2 = 3 / √‾n):
● LCS = B2 · σ - Mejor con estimador

X
insesgado: LCS = B6 · σ
● LC = c2 · σ
● LCI = B1 · σ - Mejor con estimador insesgado: LCS = B5 · σ
– Si no los conocemos, calculamos la media (ẍ) y la media de las
desviaciones muestrales (Smedia):
● LCS = B4 * Smedia
● LC = Smedia
● LCI = B3 * Smedia
Consultar valores A2, D3 y D4 en tabla “Factores para los Gráficos de Control”
3ª sesión
www.jramonet.com
Obtener los parámetros del proceso

(cuando no conocemos los datos de la población)
●
Tomar “k” (>= 20) muestras homogéneas de tamaño “n” (entre 2 y 6) a
intervalos regulares y de forma consecutiva.
●
Calcular la media, el rango y/o la desviación de cada muestra.
●
Calcular la media de las “k” medias muestrales, la media de los “k”
rangos y/o la media de las desviaciones.
●
Calcular los límites de control mediante las formulas correspondientes
(según las transparencias anteriores).
●
Construir los gráficos con los datos de las “k” muestras y verificar que no
hay comportamientos anómalos (es decir que el proceso ha estado bajo
control durante la toma de muestras y que no hay ninguna muestra
fuera de control). En otro caso, eliminar la muestra y calcular de nuevo o
estabilizar el proceso y proceder de nuevo desde el principio ;-(
3ª sesión
www.jramonet.com
Ejemplo  X – R:
(población NO conocida)
GráficoX:
LCS = ẍ + A2 * Rmedio
LCS = 200,028 + 0,577 * 1,934 = 201,144
LC = Media
LC = 200,028
LCI = ẍ - A2 * Rmedio
LCI = 200,028 - 0,577 * 1,934 = 198,912
Gráfico R:
LCS = Rmedio · D4
LCS = 1,934 * 2,114 = 4,088
LC = Rmedio
LC = 1,934
LCI = Rmedio · D3
LCS = 1,934 * 0 = 0
3ª sesión
www.jramonet.com
Ejemplo  X-R: Gráfico de Medias “ X”

¿que hacer?
3ª sesión
www.jramonet.com
Ejemplo  X-R: Gráfico de Rangos “R”
3ª sesión
www.jramonet.com
Ejemplo  X-R: Eliminar muestra nº 4 por

fuera de límites y recalcular...
Límite CS = 201,144
3ª sesión
www.jramonet.com
Ejemplo  X-R: Nuevos cálculos
Gráfico Ẍ:
LC = Media
LC = 199,980
LCS = ẍ + A2 * R LCI = ẍ - A2 * R
LCS = 199,980 + 0,577 * 1,899 = 201,076 LCS = 199,980 - 0,577 * 1,899 = 198,884
3ª sesión
www.jramonet.com
Ejemplo  X-R: Nueva gráfica de Medias “Ẍ”
! !!
DO
TA
EP
AC
Nota: Ahora habria que verificar que el gráfico “R” también está dentro de límites...
3ª sesión
www.jramonet.com
Ejemplo: Gráficos  X-S

●
Una nueva máquina automática de producción ha de ser validada antes de
su instalación en las dependencias del cliente. Su especificación dice que
producirá piezas con un diámetro medio de 0,574 mm con una desviación
típica de 0,008 mm.
●
Para determinar su validez, se ha diseñado un plan de muestreo según el
siguiente esquema:
– Tamaño de muestra: 6 unidades.
– Parámetro a obtener: media muestral del diámetro, en mm.
– Frecuencia de muestreo: una muestra cada hora, a lo largo de un ciclo
de 24 h. (total: 24 muestras).
●
Diseñar el Gráfico de Control adecuado para esta verificación con un índice
de confianza del 99,97%.
3ª sesión
www.jramonet.com
Ejemplo: Gráficos  X – S (Cálculos)

●
Conocemos los datos (teóricos) de la población:
– Media μ = 0,5740 mm.
– Desviación σ = 0,008 mm.
●
Límites de Control para el Gráfico de medias “Ẍ”:
– LCS = μ + 3 · σ / √‾n (= μ + A · σ) = 0,574 + 3 * 0,008 / √‾6 = 0,5838 mm.
– LC = μ = 0,5740 mm.
– LCI = μ - 3 · σ / √‾n (= μ - A · σ) = 0,574 - 3 * 0,008 / √‾6 = 0,5642 mm.
●
Límites de Control para el Gráfico de Desviaciones “S”:
– LCS = B6· σ = 1,874 * 0,008 = 0,0150 mm
– LC = σ = 0,008 mm
– LCI = B5· σ = 0,029 * 0,008 = 0,0002 mm
3ª sesión
www.jramonet.com
Ejemplo: Gráfico para las medias “ X”
3ª sesión
www.jramonet.com
Ejemplo: Gráfico para las Desviaciones “S”
3ª sesión
www.jramonet.com
Datos de las muestras caso anterior...
3ª sesión
www.jramonet.com
Gráficos para Valores Individuales

●
Tamaño de muestra n = 1. Por ejemplo:
– Inspección automática.
– Ensayo destructivo sobre elemento de precio elevado.
– Proceso químico continuo (“batch”).
– Producción de elementos espaciada en el tiempo (p.e. Uno cada día).
●
Estimador de la medida central del proceso: la propia medida de cada
elemento (Gráfico de valores individuales).
●
Estimador de la variabilidad del proceso: Rango de recorrido entre dos o
+ observaciones sucesivas homogéneas (“w”). El gráfico se obtiene
mediante el calculo del “recorrido o rango móvil” (MR).
●
Alternativa: Gráfico CUSUM (en siguiente sesión).
3ª sesión
www.jramonet.com
Gráficos de Rango Móvil (“RM”)

●
Se obtiene el rango de cada conjunto de “n” observaciones
sucesivas, añadiendo un nuevo elemento al conjunto por cada
observación y quitando el elemento + antiguo.
– Rmedio = ∑ Ri / (k – w + 1); Siendo “k” el número de observaciones total y “w” el
número de elementos en cada conjunto de cálculo del rango móvil.
– Gráfico de la tendencia central del proceso - Límites de Control:
● LCS = ẍ + 3 · Rmedio / d2
●
LC = ẍ
● LCI = ẍ - 3 · Rmedio / d2
– Gráfico de la Dispersión del proceso – Límites de Control (ídem que en

Gráfico “R”):
● LCS = Rmedio · D4 ; LC = Rmedio ; LCI = Rmedio · D3
(NOTA: Se considera n = w para la consulta de d2, D3 y D4 en la tabla de constantes)
3ª sesión
www.jramonet.com
Ejemplo: Rango Móvil

Gráfico de la Tendencia Central:
LCS = ẍ + 3 · Rmedio / d2
LCS = 10,00 + 3 * 0,02387 / 1,693 = 10,0423
LC = x”= 10,00
LCI = ẍ - 3 · Rmedio / d2
LCS = 10,00 - 3 * 0,02387 / 1,693 = 9,9577
Gráfico de la Dispersión:
LCS = Rmedio · D4 = 0,02387 * 2,575 = 0,0615
LC = Rmedio = 0,02387
LCI = Rmedio · D3= 0,02387 * 0 = 0
3ª sesión
www.jramonet.com
Rango móvil: Gráfico Tendencia Central
3ª sesión
www.jramonet.com
Rango móvil: Dispersión
3ª sesión
www.jramonet.com
Gráfico de Medias Móviles “MA”

●
Control de la Tendencia Central mediante media de entre “w”
observaciones consecutivas (ídem que en el caso de Rangos Móviles
“MR”).
●
Adecuado para observaciones individuales.
●
Mayor sensibilidad al desplazamiento de la media del proceso que el
gráfico de valores individuales. Los picos se suavizan y muestra
mejor la tendencia del proceso.
●
Ídem que en el Gráfico de Rangos Móviles, los valores representados
no son independientes, lo que provoca cierta dificultad de
interpretación de los puntos fuera de control.
●
Cálculo de los Límites de Control con las mismas formulas que para
el Gráfico de Medias “Ẍ”, tomando “n” = “k”.
3ª sesión
www.jramonet.com
Ejemplo: Media Móvil (mismos datos)
3ª sesión
www.jramonet.com
GC. para parámetros de Atributo

“n” = tamaño de la muestra
“unidad” = unidad de muestreo Inicio
El individuo (Si / No) Hay “x” atributos / unidad de

posee el atributo. tiempo; peso; volumen; superficie
No Si
“n” cte. Si
unidad cte.
No
Gráfico “p” Gráfico “np” Gráfico “C” Gráfico “U”
3ª sesión
www.jramonet.com
Gráficos para ATRIBUTOS:

●
Gráfico “p”.
●
Gráfico “np”.
●
Gráfico “C”.
●
Gráfico “U”.
Notas:
- Para el control gráfico de un atributo solo es necesario un gráfico.
- Los gráficos “P” y “np” están basados en la distribución Bonomial.
- Los gráficos “C” y “U” están basados en la distribución de Poisson.
- En los gráficos “p” y “U” el tamaño de muestra es variables, por ello los límites
de control superior e inferior son variables, función del tamaño de muestra. Son
+ exigentes (menor amplitud) cuanto mayor es el tamaño de la muestra.
3ª sesión
www.jramonet.com
Tributos: Resumen de fórmulas
3ª sesión
www.jramonet.com
Gráfico de Control “p” (I)

●
Atributo (Resultado del proceso a controlar) con dos posibilidades:
“p” y No “p” (por ejemplo: Conforme; No Conforme).
●
Se controla la proporción de individuos con el atributo “p” en cada
muestra.
●
Los límites de control se basan en la Ley Binomial. Habitualmente se
eligen para una probabilidad α = 0,3 %. Los límites LCS y LCI serán
prácticamente simétricos respecto a LC para muestras
suficientemente grandes (np > 5). Para muestras pequeñas no.
●
El tamaño de muestra “n” ha de ser suficiente para que aparezcan
un número significativo (> 4) de ocurrencias de “p”. P.e. Si la
probabilidad de “p” es del 4%, deberíamos establecer un tamaño de
muestra “n” >= 100. Nota: “n” no tiene que ser necesariamente fijo
dado que el parámetro es la proporción de “p” en “n” individuos.
3ª sesión
www.jramonet.com
Gráfico de Control “p” (II)

●
Tomar “k” (>= 20) muestras de tamaño “n”, homogéneas y con el proceso
estable.
●
Obtener la proporción de individuos con el atributo buscado en cada muestra
pi = nº de individuos con el atributo / ni (para i = 1 ...k).
● Calcular la estimación global: Pm = (Total individuos defectuosos) / (Total

individuos de las muestras).
● Pm es la estimación de la proporción de “p”: LC = Pm
● LCS = Pm + 3 · sqrt( Pm · ( 1 - Pm ) / ni )
● LCI = Pm - 3 · sqrt( Pm · ( 1 - Pm ) / ni )
● Nota 1: LCS y LCI son variables en función del tamaño de la muestra “n i”

●
Nota 2: Si la proporción de “p” se mide en < 1%, hay que utilizar la Ley de
Poisson.
3ª sesión
www.jramonet.com
Ejemplo: Gráfico “P”

LCS = 6,39 + 3 * sqrt(6,39 * ( 100 – 6,39) / ni )
LCS = 13,22% (promedio para n = 115,333)
LC = 6,39%
LCI = 6,39 - 3 * sqrt(6,39 * ( 100 – 6,39) / ni )

LCI = 0 (promedio para n = 115,333)
Nota: Los límites LCS y LCI son variables en

función del tamaño de la muestra.
3ª sesión
www.jramonet.com
3ª sesión
www.jramonet.com

LCS = 6,39 + 3 * sqrt(6,39 * ( 100 – 6,39) / ni )
LCS = 13,22% (promedio para n = 115,333)
LC = 6,39%
LCI = 6,39 - 3 * sqrt(6,39 * ( 100 – 6,39) / ni )

LCI = 0 (promedio para n = 115,333)
Nota: Los límites LCS y LCI son variables en

función del tamaño de la muestra.
3ª sesión
www.jramonet.com
Gráfico de Control “NP”

●
Ídem que gráfico “P” pero para tamaño de muestra fijo.
●
Parámetro a controlar: número de individuos con el atributo “p” en
cada muestra.
●
Distribución de referencia: Ley Binomial (n,p). El Límite Central viene
dado por (n · p) y la varianza = n · p · (1 – p).
●
– LCS = n · p + 3 · sqrt( n · p · (1 – p))
– LC = n · p
– LCI = n · p - 3 · sqrt( n · p · (1 – p))
●
Si no se conoce “p”, estimar su valor con “k” (>=20) muestras. En
cada muestra deberían aparecer + de 4 individuos con el atributo.
3ª sesión
www.jramonet.com
Gráfico de Control “np” (II)

●
Tomar “k” (>= 20) muestras de tamaño “n”, homogéneas y con el proceso
estable.
●
Obtener la proporción de individuos con el atributo buscado en cada muestra
pi = nº de individuos con el atributo / ni (para i = 1 ...k).
● Calcular la estimación global: Pm = (Total individuos defectuosos) / (Total

individuos de las muestras).
● Pm es la estimación de la proporción de “p”: LC = Pm
● LCS = Pm + 3 · sqrt( Pm · ( 1 - Pm ) / ni )
● LCI = Pm - 3 · sqrt( Pm · ( 1 - Pm ) / ni )
● Nota 1: LCS y LCI son variables en función del tamaño de la muestra “n i”

●
Nota 2: Si la proporción de “p” se mide en < 1%, hay que utilizar la Ley de
Poisson.
3ª sesión
www.jramonet.com
Ejemplo: Gráfico “NP”

LCS = 7,07 + 3 * sqrt( 7,07 * (1 – 0,0707)
LCS = 14,75
LC = 7,07
LCI = 7,07 - 3 * sqrt( 7,07 * (1 – 0,0707)

LCI = 0 (resultado < 0)
3ª sesión
www.jramonet.com
Gráfico “NP”
3ª sesión
www.jramonet.com
Gráfico de Control “C” (I)

●
Valor a controlar es el número de apariciones del atributo en un solo
individuo o unidad de control. p.e. Número de defectos en una sola pieza
analizada.
●
Se puede definir también como: numero de apariciones del atributo por
unidad de medida (tiempo, superficie, volumen, etc). p.e. Camas
ocupadas en un hospital, por semana o número de clientes de un cajero
automático por día.
●
La distribución de referencia es la Ley de Poisson (λ). “λ” es el número
medio de ocurrencias por unidad de medida.
●
En cada unidad de medida deberían aparecer un mínimo de 10 ocurrencias
del atributo. p.e. En un día deberían estar ocuparse al menos 10 camas. O
en una hora deberían llegar al menos 10 clientes al cajero.
●
Si no se conoce , hay que estimarlo con “k” (>=20) inspecciones a una
unidad de control.
3ª sesión
www.jramonet.com
Gráfico de Control “C” (II)

●
Evaluar “λ” como el promedio de en las “k” observaciones.
●
Limites de Control:
– LCS = λ + 3 · sqrt( λ )
– LC = λ
– LCI = λ + 3 · sqrt( λ ) (si es negativo, se hace = 0)
●
Para λ grande tiende a la Distribución Normal.
3ª sesión
www.jramonet.com
Ejemplo: Gráfico “C”

LCS = 14,80 + 3 * sqrt( 14,80 ) = 26,34
LC = 14,80
LCI = 14,80 - 3 * sqrt( 14,80 ) = 3,26
3ª sesión
www.jramonet.com
Ejemplo: Gráfico “C”
3ª sesión
www.jramonet.com
Gráfico de Control “U”

●
Ídem que Gráfico “C” pero para casos en que no se puede establecer una
unidad de control fija. P.e. Defectos por lote, con lotes de distinto tamaño.
● ci = Número de apariciones del atributo en la observación “i”.
● ni = Unidades inspeccionadas en la observación “i”
● ui = ci / ni = Apariciones del atributo por unidad de muestra “i”.
● La ley de Poisson tendrá λ = ∑ ci / ∑ ni = ü ; (Media de ui).
●
– LCS = ü + 3 · sqrt( ü / ni );
– LC = ü
– LCI = ü - 3 · sqrt( ü / ni )
– Nota: Los valores LCS y LCI son variables en función de ni
3ª sesión
www.jramonet.com
Caso: Gráfico “U”

LCS = 0,1258 + 3 * sqrt( 0,1258 / ni )
Obtenemos un valor para cada muestra.
LC = 0,1258
LCI = 0,1258 - 3 * sqrt( 0,1258 / ni )

Obtenemos un valor para cada muestra.
Si es < 0 lo hacemos 0.
3ª sesión
www.jramonet.com
Caso: Gráfico “U”
3ª sesión
www.jramonet.com
Tabla: Constantes Gráficos de Control
Ver Norma ISO 7870-2:2013, tabla2 (pg.9)

3ª sesión
www.jramonet.com
Gracias por su atención . . .
Turno abierto . . .
¿Preguntas?
¿Otros casos / cosas que
ustedes conozcan?
¿Comentarios?

Control Estadistico de Procesos

Cargado por

Copyright:

Formatos disponibles

Control Estadistico de Procesos

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Control Estadistico de Procesos

Cargado por

Copyright:

Formatos disponibles

Control Estadístico de Procesos

(SPC) para NO estadísticos.

Actitud requerida para recibir formación...

"Quien establece una diferencia entre educación y entretenimiento,

Reglas de “Proceso bajo control”:

1 sigma Zona “B”

1 sigma Zona “C”

1 sigma Zona “B”

1 sigma Zona “A”

Reglas de Proceso FUERA de control:

Reglas para Proceso FUERA de Control

Para ± (3 · σ) Probabilidad Notas:

Regla 1 0,27% Si gráfico R/S es Ok, posible desplazamiento de la media.

Regla 2 0,39% Si gráfico R/S es Ok, posible desplazamiento de la media.

Regla 3 ? Si gráfico R/S es Ok, posible desplazamiento de la media.

Regla 4 ? Proceso inestable (diente de sierra).

Regla 5 0,05% Si gráfico R/S es Ok, posible desplazamiento de la media.

Regla 6 0,27% Si gráfico R/S es Ok, posible desplazamiento de la media.

Regla 7 0,30% Síntoma de reducción de la variabilidad. Ver gráfico R/S.

Uso de los Gráficos de Control (I)

Uso de los Gráficos de Control (II)

Uso de los Gráficos de Control (III)

GC. para parámetros Variables Contínuas

- Grs. Valores Individuales y

Gráficos para VARIABLES Continuas:

Variables: Resumen de formulas

Variables: Gráfico de Medias  X

Gráfico de Rangos “R”

Gráfico de Desviación “S”

● LCS = B2 · σ - Mejor con estimador

Obtener los parámetros del proceso

Ejemplo  X-R: Gráfico de Medias “ X”

Ejemplo  X-R: Gráfico de Rangos “R”

Ejemplo  X-R: Eliminar muestra nº 4 por

Ejemplo  X-R: Nuevos cálculos

Ejemplo  X-R: Nueva gráfica de Medias “Ẍ”

Ejemplo: Gráficos  X-S

Ejemplo: Gráficos  X – S (Cálculos)

Ejemplo: Gráfico para las medias “ X”

Ejemplo: Gráfico para las Desviaciones “S”

Datos de las muestras caso anterior...

Gráficos para Valores Individuales

Gráficos de Rango Móvil (“RM”)

– Gráfico de la Dispersión del proceso – Límites de Control (ídem que en

Ejemplo: Rango Móvil

LCI = Rmedio · D3= 0,02387 * 0 = 0

Rango móvil: Gráfico Tendencia Central

Rango móvil: Dispersión

Gráfico de Medias Móviles “MA”

Ejemplo: Media Móvil (mismos datos)

GC. para parámetros de Atributo

El individuo (Si / No) Hay “x” atributos / unidad de

Gráfico “p” Gráfico “np” Gráfico “C” Gráfico “U”

Gráficos para ATRIBUTOS:

Tributos: Resumen de fórmulas

Gráfico de Control “p” (I)

Gráfico de Control “p” (II)

● Calcular la estimación global: Pm = (Total individuos defectuosos) / (Total

● Nota 1: LCS y LCI son variables en función del tamaño de la muestra “n i”