Unidad Ii-A Control Estadístico de Procesos

Descargar como pptx, pdf o txt
Descargar como pptx, pdf o txt
Está en la página 1de 54

UNIDAD II-a

CONTROL ESTADÍSTICO DE
PROCESOS
Doc. Héctor Ricardo Gómez Márquez

Asignatura
Administración de las operaciones

Carrera
Contabilidad

Instituto Tecnológico de La Paz


Copyright © 2017, 2014, 2011 Pearson Education, Inc. All Rights Reserved
Objetivos de aprendizaje(1 de 2)
S2.1 Explicar el propósito del gráfico de control
S2.2 Explicar el rol del teoréma del límite central en el
CEP
S2.3 Construir -gráficos y R-gráficos

S2.4 Listar los cinco pasos envueltos en contruir gráficos


de control

Copyright © 2017, 2014, 2011 Pearson Education, Inc. All Rights Reserved
Objetivos de aprendizaje(2 de 2)
S2.5 Explicar muestreo de aceptación

Copyright © 2017, 2014, 2011 Pearson Education, Inc. All Rights Reserved
Control Estadístico de Procesos
Procedimiento usado para supervisar estándares, tomar
medidas y emprender acciones correctivas mientras el
producto o servicio se está produciendo.

Copyright © 2017, 2014, 2011 Pearson Education, Inc. All Rights Reserved
Control Estadístico de Procesos (CEP)
• La variabilidad es inherente a los procesos
– Causas communes o naturales
– Causas especiales o asignables
• Provee una señal estadística cuando causas asignables están
presentes
• Agiliza las acciones para corregir el proceso

Copyright © 2017, 2014, 2011 Pearson Education, Inc. All Rights Reserved
Variaciones naturales
• También llamadas causas comunes
• Afectan todos los procesos
• Cierta variación es esperada
• Las mediciones siguen una distribución de probabilidad
• Para cada distribución existe una medida de tendencia
central y dispersión
• SI las salidad caen dentro de los límites el proceso está
‘bajo control’.

Copyright © 2017, 2014, 2011 Pearson Education, Inc. All Rights Reserved
Variaciones asignables
• Variaciones que se pueden rastrear hasta su causa
específica
• El objetivo es descubrir cuando existen causas
asignables
– Eliminar las causas

Copyright © 2017, 2014, 2011 Pearson Education, Inc. All Rights Reserved
Muestras (1 de 5)
Para medir el proceso, se toman muestras y analizan sus
estadísticas

Figura S2.1 Muestras del producto, digamos cinco cajas de cereal


tomadas de la línea de la máquina de llenado, varían entre sí por su
peso.
Copyright © 2017, 2014, 2011 Pearson Education, Inc. All Rights Reserved
Muestras (2 de 5)

Figura S2.1 Después de tomar muestras suficientes de un proceso


estable, las muestras forman un patrón denominado distribución.

Copyright © 2017, 2014, 2011 Pearson Education, Inc. All Rights Reserved
Muestras (3 de 5)

Figura S2.1 Hay muchos tipos de distribuciones, incluyendo la


distribución normal (con forma de campana), pero difieren en términos
de su tendencia central (media), su desviación estándar o varianza, y
su forma.

Copyright © 2017, 2014, 2011 Pearson Education, Inc. All Rights Reserved
Muestras (4 de 5)

Figura S2.1 Si sólo están presentes causas naturales de variación, el


resultado de un proceso forma una distribución que es estable y
predecible a través del tiempo.

Copyright © 2017, 2014, 2011 Pearson Education, Inc. All Rights Reserved
Muestras (5 de 5)

Figura S2.1 Si están presentes causas asignables de variación, el


resultado del proceso no es estable a través del tiempo ni predecible.

Copyright © 2017, 2014, 2011 Pearson Education, Inc. All Rights Reserved
Gráficos de Control
Construido con datos históricos, el propósito de los gráficos
de control es ayudar a distinguir entre variaciones
naturales y variaciones de causas asignables.

Copyright © 2017, 2014, 2011 Pearson Education, Inc. All Rights Reserved
Figura S2.2 Control del proceso

Copyright © 2017, 2014, 2011 Pearson Education, Inc. All Rights Reserved
Gráficos de Control para Variables
• Carácterísticas que pueden tomar cualquier valor real
• Pueden ser números enteros o fracciones.

Gráfico x indica cambios en la tendencia central


Gráfico R indica cambios en la dispersión

Pueden ser usados al mismo tiempo

Copyright © 2017, 2014, 2011 Pearson Education, Inc. All Rights Reserved
Teorema del Límite Central
Independientemente de la distribución de la población, la
distribución de las medias (cada una de las cuales es la media
de una muestra sacada de la población) tiende a seguir una
curva normal cuando aumenta el número de muestras.

1) La media de la distribución de las x=


medias será igual a la media
pobacional

2) La desviación estándar de la
distribución de las muestras será la σ
σx 
desviación estándar de la población, n
dividida entre la raíz del tamaño de
muestra
Copyright © 2017, 2014, 2011 Pearson Education, Inc. All Rights Reserved
Figura S2.3 Poblaciones y distribuciones
muestrales

Copyright © 2017, 2014, 2011 Pearson Education, Inc. All Rights Reserved
Determinación de los límites
Para gráficos x cuando conocemos 

Donde x  media de las medias muestrales o el


valor meta establecido para el proceso
z  número de desviaciones estándar

σ x  desviación estándar de las medias muestrales 
n
σ  desviación estándar de la población (proceso)
n  Tamaño de la muestra
Copyright © 2017, 2014, 2011 Pearson Education, Inc. All Rights Reserved
Ejemplo

Copyright © 2017, 2014, 2011 Pearson Education, Inc. All Rights Reserved
Ejemplo

Copyright © 2017, 2014, 2011 Pearson Education, Inc. All Rights Reserved
Ejemplo

Copyright © 2017, 2014, 2011 Pearson Education, Inc. All Rights Reserved
Ejemplo

Copyright © 2017, 2014, 2011 Pearson Education, Inc. All Rights Reserved
Figura S2.3 Patrones en los gráficos de
control(1 de 6)

Copyright © 2017, 2014, 2011 Pearson Education, Inc. All Rights Reserved
Figura S2.3 Patrones en los gráficos de
control(2 de 6)

Copyright © 2017, 2014, 2011 Pearson Education, Inc. All Rights Reserved
Figura S2.3 Patrones en los gráficos de
control(3 de 6)

Copyright © 2017, 2014, 2011 Pearson Education, Inc. All Rights Reserved
Figura S2.3 Patrones en los gráficos de
control(4 de 6)

Copyright © 2017, 2014, 2011 Pearson Education, Inc. All Rights Reserved
Figura S2.3 Patrones en los gráficos de
control(5 de 6)

Copyright © 2017, 2014, 2011 Pearson Education, Inc. All Rights Reserved
Figura S2.3 Patrones en los gráficos de
control(6 de 6)

Copyright © 2017, 2014, 2011 Pearson Education, Inc. All Rights Reserved
La fábrica de bolas de boliche de Bill Kime sólo produce bolas con peso y
tamaño para adultos. Se sabe que la desviación estándar en el peso de una
bola de boliche producida en la fábrica es de 0.12 libras. Diariamente, durante
24 días, se ha evaluado el peso promedio en libras de nueve bolas de boliche
producidas ese día, los resultados se presentan en la tabla siguiente:

Establezca una gráfica de control para monitorear los pesos promedio de las
bolas de boliche, donde los límites de control superior e inferior estén a dos
desviaciones estándar de la media cada uno. ¿Cuáles son los valores de los
límites de control?

Copyright © 2017, 2014, 2011 Pearson Education, Inc. All Rights Reserved
Determinación de los límites (2 de 2)
Para x - Gráficos donde no se conoce 
UCL x  x  A2 R
LCL x  x  A2 R

R i
donde R i 1
 Rango promedio de las muestras
k
A2  Factor de conversión
x = Media de las medias muestrales

Ri  Rango de la muestra i

k  número de muestras
Copyright © 2017, 2014, 2011 Pearson Education, Inc. All Rights Reserved
Factores de la gráfica de control

Copyright © 2017, 2014, 2011 Pearson Education, Inc. All Rights Reserved
Ejemplo cuando no se conoce 

Copyright © 2017, 2014, 2011 Pearson Education, Inc. All Rights Reserved
Gráficos – R
• Otro tipo de gráfico de control
• Muestra los rangos a traves del tiempo
– Diferencia entre el valor más grande y el pequeño
de la muestra
• Monitorea la variabilidad del proceso
• Se usa en conjunción con el gráfico

Copyright © 2017, 2014, 2011 Pearson Education, Inc. All Rights Reserved
Determinación de los límites
Para Gráficos-R

donde
Límite de control superior
Límite control inferior

Valores de la Tabla S6.1

Copyright © 2017, 2014, 2011 Pearson Education, Inc. All Rights Reserved
Ejemplo

Copyright © 2017, 2014, 2011 Pearson Education, Inc. All Rights Reserved
Ejemplo de ambas gráficas

Copyright © 2017, 2014, 2011 Pearson Education, Inc. All Rights Reserved
Figura S2.5 Gráficos de media y rango (1 de 2)
(a) Estas distribuciones muestrales resultan en las siguientes gráficas.

Copyright © 2017, 2014, 2011 Pearson Education, Inc. All Rights Reserved
Figura S2.5 Gráficos de media y rango (2 de 2)
(b) Estas distribuciones muestrales resultan en las siguientes gráficas.

Copyright © 2017, 2014, 2011 Pearson Education, Inc. All Rights Reserved
Pasos para construir gráficos de control
1. Recolectar 20 o 25 muestras, a menudo de n =4 o n =5
observaciones cada una, a partir de un proceso estable
y calcular la media y el rango de cada una.
2. Calcular las medias globales ( x and R ), establecer los
límites de control apropiados, usualmente en el nivel del
99.73%, y calcular los límites de control superior e inferior
preliminares.
Si el proceso no es estable, use , en vez de X
para calcular los límites.

Copyright © 2017, 2014, 2011 Pearson Education, Inc. All Rights Reserved
Pasos para construir gráficos de control
3. Graficar las medias y los rangos de las muestras en sus
respectivas gráficas de control y determinar si caen
fuera de los límites aceptables.
4. Investigar los puntos o patrones que indiquen que el
proceso está fuera de control. Tratar de asignar las
causas de la variación, enfrentarlas, y después
reanudar el proceso.
5. Recolectar muestras adicionales y, de ser necesario,
revalidar los límites de control con los nuevos datos.

Copyright © 2017, 2014, 2011 Pearson Education, Inc. All Rights Reserved
Otros límites de control
Tabla S6.2 Valores z comunes

Límite de control Valor-Z


deseado(%)
90.0 1.65
95.0 1.96
95.45 2.00
99.0 2.58
99.73 3.00

Copyright © 2017, 2014, 2011 Pearson Education, Inc. All Rights Reserved
Gráficos de control para atributos
• Para variables categóricas
– Defectuoso/ no defectuoso, bueno/ malo, si/no,
aceptable/inaceptable

• Gráficos miden

1. ​Porcentaje de defectos (gráfico-p)


2. ​Número de defectos (gráfico-c)

Copyright © 2017, 2014, 2011 Pearson Education, Inc. All Rights Reserved
Límites de control para Gráficos-p
Aunque los atributos que son buenos o malos siguen una
distribución binomial, puede usarse la distribución normal

donde
p  fracción media de defectos en la muestra
z  número de desviaciones estándar
σ p  desviación estándar para la dist. de la muestra
n Numero de observaciones en cada muestra
Copyright © 2017, 2014, 2011 Pearson Education, Inc. All Rights Reserved
Ejemplo gráfico-p

Copyright © 2017, 2014, 2011 Pearson Education, Inc. All Rights Reserved
Ejemplo gráfico-p

Copyright © 2017, 2014, 2011 Pearson Education, Inc. All Rights Reserved
Ejemplo gráfico-p

Copyright © 2017, 2014, 2011 Pearson Education, Inc. All Rights Reserved
Límites de control para gráficos-c
La población sigue una distribución Poisson, pero aplicando
el teorema del límite central nos permite asumir una
distribución normal para los estadísticos de la muestra.

c  número promedio de defectos por unidad,


c  Desviación estándar

Copyright © 2017, 2014, 2011 Pearson Education, Inc. All Rights Reserved
Ejemplo gráfico-c

Copyright © 2017, 2014, 2011 Pearson Education, Inc. All Rights Reserved
Gráfico-c para la compañia de taxis

Copyright © 2017, 2014, 2011 Pearson Education, Inc. All Rights Reserved
Ejemplo gráfico-c

Copyright © 2017, 2014, 2011 Pearson Education, Inc. All Rights Reserved
Cuál gráfico de control usar (1 de 2)

Copyright © 2017, 2014, 2011 Pearson Education, Inc. All Rights Reserved
Cuál gráfico de control usar (1 de 2)

Copyright © 2017, 2014, 2011 Pearson Education, Inc. All Rights Reserved
Muestreo de aceptación (1 de 2)
• Forma de prueba de calidad usado para entradas o
productos terminados
– Se toman muestras al azar de un lote (cargamento)
– Se inspecciona cada elemento de la muestra
– Se decide si se rechaza el lote basado en la
inspección

Copyright © 2017, 2014, 2011 Pearson Education, Inc. All Rights Reserved
Muestreo de aceptación (2 de 2)
Los lotes rechazados pueden ser:

1. Devueltos al proveedor
2. Limpiados de defectuosos (100% inspección)
3. Usados para otro proceso

Copyright © 2017, 2014, 2011 Pearson Education, Inc. All Rights Reserved

También podría gustarte