CONTROL DE CALIDAD ESTADISTICO. La calidad de tos productos y servicios utilizados por nuestra sociedad se ha convertido en un importante factor de decisién del consumidor en muchos, 0 quizd en todos los negocios de hoy dia. Sin que importe que el consumidor sea un individuo, una corporacién, un programa de defense militar 0 una’tienda al memudeo, es probable que el consumidor considere la calidad tan importante como el costo 0 como el plazo de entrega. En consecuencia, el mejoramiento de la calidad se ha vuelto la principal preocupacién de los ‘consuimidores. AUNCREMENTO DE CALIDAD ¥ ESTADISTICA Calidad significa idoneidad para el uso. Por ejemplo, se puede comprar automéviles que sé espera no téngan defectos de fabricacién y que brinden transporte confiable y econdmico; un vendedor al menudeo compra bienes terminados con la esperanza que estén embalados y arreglados de manera epropiada para almacenarlos y exhibirlos con facilidad, o un fabricante adquiere materia prima y espera procesarla con reproceso y desperdicio minimos. En otras, palabras, todos los consumidores esperan que los producios y los servicios que compran ‘cumplan sus requerimientos, y esos requerimientos definen lo igéneo para su uso. alidad 0 idoneidad para el uso se deternifhit’a través de la interaccién de Ia'calidad de isefio y la calidad de conformidad. Por calidad de disefio entendemos los diferentes srados 0 niveles de desempefio, confiabilidad, servicio y funcién que son el resultado de cada unidad producida sea idéntica y esté libre de defectos. Hay cierta confusién en nuestra sociedad acerca del mejoramiento de In salidad; hay todavia quien piensa qué ello significa dar un acabado dorado a un producto 0 waster més dinero para desarrollar un producto © proceso. Esta idea es equivocada. El mejoramiento de la calidad significa In eliminacién de desperdicio, Entre los ejemplos de desperdicio se encuentran los desechos y el reprocesamiento en Ja manufactura, ingpeccién y prueba, terrores en documentos (como dlibujos de ingenierf, verifcaciones, érdenes de compra y planos), quejas del cliente mediante llarnadas telefnicas, costos de garantia y el tiempo rrequerido para hacer de nuevo las cosas que podrian habersé realizado dé manera correcta Ia primera vez. Un esfuerzo de mejoramiento de la calidad que tenga éxito puede eliminar muchas de estas pérdidas y conducir a costos menores, mayor productividad, sat creciente del cliente, aumento de la reputacién comercial, mayor participaciin en el mercado 1, 8 la larga, mayores rendimientos para la compatia Los métodos estadisticos desempefiant un papel vital en el mejoramiento de la calidad. lucto, determinados métodos estadistcos que incluyen experimentos ‘disefiados pueden utilizarse para comparer diferentes materiales, distintos Componentes o ingredientes y ayudar en Ja determinacién de la tolerancia tanto det sistema ‘como de los componentes. Todo ello reduce en forma significative el desarrollo de costos y de tiempos. 2) Los métodos estadisticos, que pueden utilzarse para fleterminar la capacidad de un proceso de manufactura, EI control de procesos estadisticos puede‘emplearse para mejorar de manera sistemética un proceso mediante Ja,redcein de la variabilidad, 3) Los métodos del disefto del experimento pueden usarse para investigar mejoras en el proceso. Estas mejoras pueden llevar a producciones més alles x» menores costos de rmanufactura . En esta unided se dard una introduccion a los métodos bésicos del control de calidad estadistic. CONTROL ESTADISTICO DE CALIDAD El campo del control estadistico de calidad puede definirse en forma amplia como aquél que se compone de métodas estadisticos y de ingenieria stiles en la medicién, supervisién, control y mejoramiento de la calidad. Usando una definiciin mis precisa, el control estadisticn de calidad es el método de la estadlistioa y de In ingenieria para:1) El control del proceso 2) El muestreo de aceptacién El control estadistico de calidad es un campo relativamente nuevo, que se remonta 2 la ddécada de los hos 20. El doctor Walter A. Shewhart fue uno de los pioneros del campo. CONTROL DEL PROCESO ESTADISTICO. Es imposible examinar la calidad en un producto; éste debe hacerse bien la pritnera vez. Esto implica que el proceso de manufactura debe ser estable o repetible y capaz de operar con ppoca variabilidad en tomo al objeto o dimensién nominal. Los controles de proceso estadistico en linea son herramientas poderosas iiiies en el logro de le estabilidad del proceso y en el mejoramiento de,ta capacidad mediante Ia reductién de la variabilidad. Es usual considerar e control dél proceso estadistico como un conjunto de herremientas de solucién de problemas que puede aplicarse en cualquier proceso. Une elas principales herramientas es el grifico de control RAPI La teoria bésica del gréfico de control fue desarrollada por el Dr. Shewhart. Para entender ccémo trabaja un gréfico de control, se debe entender primero la teoria de la variacién de Shewhart, Este formulé la teoria de que todos los procesos, inchusos los buenos, se. caracterizan por una cierta cantided de variacién si se miden con un instrumento de suficiente resolucién. Cuando este variabilidad se limita s6lo @ une variacién aleatoria © probabilistica, se afirma que el proceso estard en un estado de control estadistico: Sin ‘embargo, puede existir tra situacién en le cual la variabilidad del proceso también sea afectada por alguna causa asignable, tal como un mal ajuste de una méquisie, un error del ‘operador, materia prima inadecuada, componentes de la maquina desgestados, etc. Estas ‘causas de variacién asignables suelen tener un efecto adverso en le calidad del producto, por lo que es importante tener alguna técnica sistemética para detectar serias desviaciones de un ‘estado de control estadistico tan rapido como sea posible después de que ocurran, Ls importancia del grafico de control radica en su capacided pare detectar causes asignables. Es trabajo de las personas que emplean los gréficos de control identifcar la causa fundamental que originé la condicién “fuera de contro? desarrrollar¢ implentar una accién corrective apropiada y después, asegurar que la causa asignable ha sido eliminada: del proceso, Distinguiremos entre los gréficos de control para mediciones y yréficos de control para atributos, segin si las observgciones respecto a las caracteristices de calided ‘sean ediciones 0 datos enumeradds. Por ejemplo, podemos elegir, medir el diémetro de un eje, con un micrémetro,'y utilizar estos datos junto con un gréficd de control para mediciones. Por otra parte es posible que evaluemos cada unidad del producto como defectuosa 0 no defectuosa, y emplear le fraccién de unidades no defectuosas encontrads 0 el nimero total de deféctos en conjunto con un gréfico de control para atributos. ALGUNAS DEFINICIONES UTILES 2) Proceso: significa cualquier combinacién de méquinas, herramientas, métodos, materiales xy hombres empleados para lograr productos y servicios con la calidad deseada. ') Control: por Ia palabra control st entiende, el proceso de gestién necesario para fijar’y hacer cumplir unas normas. El dispositivo bésico de control es el circuito de reslimeniacién, ‘ampliamente utilizado en organismos biolégicos, mecanismos industrales y sistemas de gestién, En todos estos casos, el circuito de realimentacién sirve para descubrir cambios adversos,identifcar las causas de estos cambios, y tomar’ medidas para eliminar esas causas. ©) Causas aleatorias: las variaciones por causas aleatorias no pueden ser eliminadas y ‘ocurren en forma inevitable en un proceso, aunque las operaciones se lleven @ cabo utilizando materias primas y métodos estendarizudos.4) Causas asignables: ies variaciones por causs asignabies indican que existen factores significatvos que deben investigarse. Son eliminables y no pueden pasarse por alto; exsten casos provocados por negligencia con Felacién a cirtos estandares © por apicacin de estos “ltimos en forma inadecuada. €) Graficos de control: tienen por objeto eliminar Ins variaciones anormales de calidad al posiblitar que se distinga entre ls variaciones provocades por causas asignables y aquellas ‘ocasionadas por eausas aleatorias. ‘Consisten en una linea central correspondiente. a la calidad promedio @ la cual el proceso debe comportarse cuando st presentn el control estadistico (LC 0 CL), un par de limites de control ubicados por debalo (LCI 0 LCL) y por encima (LCS 0 UCL), y la representacién gréfica de los valores objenidos dentro de un proceso, ‘ 4) Proceso bajo control: se-dice que un proceso esta bajo control si en su grifica los valores se encuentran dentro de los limites de control y sin ninguna tendencia en particular. De lo contrario, se dice que el proceso esté fuera de control 1La forma més tipica de un grifico de control establece limites de control que se encuentran dentro de £3 desviaciones estindar de la medida estadistica de interés (puede ser el promedio, la porcién, el aleance, et.)-n general puede establecerse como: promedio de proceso +3 desviaciones estindar de modo que: LCS = promedio de proceso + 3 desviaciones estindar LCI = promedio de proceso - 3 desviaciones estindar Lite cone pater 5) ‘inte os coal wires Carsten de and del et TRS a BB IO TD Sp meu Diagrams de conte, ‘La figura muestra un gréfico de control comin. Los limites d control se eli los valores que caen entre ellos puedan ser atribuidos a la variacién probabilistice, en tanto due los valores que caen més allé de ellos pueden tomerse para jndicar una fata de control estadistico, Bl planteamiento general se basa en la toma periédica de una muestra aleatoria del proceso, del cémputo de alguna cantidad apropiada, y de la represeatacién de esta ultima en el grafico de control. Cuando un valor de muestra cae fuera de los limites de control, se ‘busca alguna causa asignable. Sin embargo, incluso si un valor de muestra cae entre los limites de control, una tendencia o algiin otro patrén sistematico puede indicar que cierta jn es necesaria, para evitar un problema més serio.y's) yymcn ci coucas ‘mura amt hy eet tlt ‘es patrones de eagram de conta Enel panel A se observa un propeso que es estable y solamente contiene causas comunes de, vvariacién, en éste parece no haber ningiin patrén en el ordenamiento de los valores respecto ‘al tiempo y no existen puntos que caigan fuera de los limites de control: en el panel B, por el contrario, se tienen dos puntos que caen fuera de los limites de control. Habria que investigar a cada uno de tales puntos para determinar las causas especiales que produjeron su presencia, A pesar de que en el panel C no se tiene ningiin punto fuera de Jos limites de control, en él se encuentra une serie de puntos consecutivos por debajo del valor promedio (LO), asi como una serie de puntos consecutivos por encime del valor promedio: Ademés es claramente visible una tendencia de largo plazo, descendente, en el valor de la variable. Tal situacion podria ser um indicative de que se’ necesitan tomar medidas correctivas para determiner cual podria ser la causa de este patron, antes de empezar cualquier cambio en el sistema - La capacidad de interpretar en forma precisa los gréficos de control suele adquirirse con la experiencia. Es necesario que el usuario esté femiliarizado por. completo tanto con los fundamentos estadisticos de los gréficos de control como con la naturaleza del propio proceso de produccién, Tir RAFI Existen dos tipos de gréficos de control: por medicién de variables y por atributos. do los més comunes el -R_y el p, para ambos tipos, respectivarnente Si bien estos dos tipos son diferentes, el céleulo de los limites de control es esencialmente el ‘mismo, baséndose en las leyes de probebilidad que hemos visto anteriormente. ‘Los pasos @ seguir son los siguientes: 1) seleccién apropiada de la caracterstica de calidad a ser estudiada. 2) recoleccién y almacenamietito Ye detos para el nimero dé muestras requerida, cada una conteniendo un nimmero adecuado de elementos 3) determinacién de los limites de control para esos datos rmuestrales 4) determinar si e505 limites de control son econémicemente satisfactorios para el trabajo, ¢Demasiados anchos, demasiados angostos? 5) Construir el grafico de control 6) Tomar las medidas comectivas si las caracteristicas de las muestras de produccién exceden los limites de control En cualquier tipo de gréfico de control, los limites de control se calculan mediante la formula indicada anteriormente: t3 - fen donde, la desviacién estindar es la vatiacién producida por las causas aleatorias, Estos gréficos de conteol se denominan 3c. El uso de 3 6, signfice que si s6lo actian les causas aleatoras, el 99,74% de los valores registrados en la carta caerén dentro de los limites de control; el 0,26% restante corresponde a fas alarmas. Resulta obviamente tedioso reunir una série de nuesiras de tamafio pequefio, determinar los valores de tendencia central y margenes de error pare cada una de esas muestes, y luegocalcular Jos limites de control, Es por ello, se calcularon una serie de constantes para simplificr los célculos, las que se encuentran tabuladas. Hemos dicho que # los graficos de control los podiamos dividir en dos grandes grupos de acuerdo a los valores caracteristicos. Los mismos se visualizan en la Valor caracteristico | Denominacién [Gratico ¥- R (valor y rango promedio) |Grafico x (valér medido) Discreto |Grafico pn (cantidad unidades defectuosas) |Grafioo p (fraccién defectuosa) |Grafico ¢ (cantidad de defectos) Distrib, Poisson |Grafico u (cantidad de defectos p/unidad) — | Distrib. Poisson ‘FICOS DE )L POR. )E-VARIAB! a) Graficos ¥-R ‘Se utilizan para controlar y analiza un proceso, empleando valores continues de calidad del producto. De ellos se obtiene la mayor parte de lay informacién sobre el proceso X representa el valor promedio de un subgrupo y R representa el rango de este subgrupo. Generalmente se utiliza un gréfico R en combinacién con un gréfico X para controlar la variacién dentro de un subgrupo. La gréfica de los valores de X dice cudndo se ha producido, un cambio en la tendencia ccentral."Esto. podria deberse a factores tales como desgaste de las herramientas, un incremento gradual de la temperatura, un nuevo lote de material de mayor dureza, un método diferente utilizado por el operario en el turno de Ja noche, entre otros, - a grafic de los valores de-R indica cundo ha tenido lugar una ganancia, o una pérdida signifcativa de uniformidad. Una pérdida de uniformidad puede deberse a causas tales como cojinetes gastados, un portaherramientas flojo, un suministro féregular de reftigerante, sujecién inadecuada del material, variabilidad de las piezas recibidas de una operacion de ddesgaste previa, o falta de concentracin del operario, entre otra Los limites de control para las medias de los subgrupos son: F$30(f) donde o(Z) En la préctice se celculan fos limites de control con las siguientes fSrmulas; obteniéndose los ‘coeficientes de la tabla correspondiente. Grafico LO-CL=¥ LGS-UCL#¥ + Ar R R 3 a ae onde =e ATT Grafico R: Le-R LeSs-D. R Lel= Ds B Para construir un grafico de este tipo se siguen los pasos que se dan a continuacién: 1) se toman aproximadamente 100 datos, dividiéndolos en 20 0 25 subgrupos de 4 0 5 datos cada uno, de manera tel que los subgrupos queden uniformes. Si no existiera ninguna razén técnica para la clasifcacién de los mismos se ordenan en forma correlajiva a medida que se obtienen 2) se calcula el valor medio, Z, para cada uno de los subgrupos 3) se calcula el promedio total, ¥, dividiendo la suma de los ¥ por el nimero de subgrupos* 4) se calcula el rango R de cada subgrupo 5) se calcula el valor R de los rangos * 6) se calculan Jas lineas de control para el gréfico ¥ y el rango R 7) se trazan los gréficos en les hojes de control ubicando en la ordenada Jos valores ¥ (para el gréfico de £) oR (para el grafico de R), y en abscisas el mimero de subgrupos. Luego se ratcan los limites de control.* Se debe calcular el ¥ y R con el mismo nimero de decimales y con dos posiciones decimales més que los valores originales. Ejemplo: Para mostrar'la metodologia de construccién de las gréficas de control se presenta la siguiente tabla basada en la realizacién de un ensayo de titulo sobre un hilado de bremer, ‘en el cual se obtuvieron 80 valores en TEX, los que se muestran en dicha tabla agrupados en 20 subgrupos de 4 elementos, con sus correspondientes valores medios y rango por subgrupo. N* subgrupo x a x» SUMA x R 1 68 65 89 37 279 63,75. 2 B 8 67 a 299. 14,7514 3 6 1 B 68 280°. 70,0017 4 66 oF B 60 261 65,25 13 5 96 80 82 7” 332 83,0022 6 9 67 B 4 313-7825, 27 7 65 5 87 5 302 75,5022 8 86 88 5 B 3278753 9 84 5 61 88 308 = 77,0027 10 9 82 97 2 330-8250 25. u 90 95 95 oe 342, 85,5033 2 93 85 o 16 323. 80,75 3 2 B 60 88 288 72,00 4 n 8 6 59 275 68,75 15 9 85 60 53 2 69.25 16 65 6 n a5 24 10022 W7 6 oe 5 3 312780025 18 75 3 "4 1 307 76,75 = 19 6 n n n 296 74,006 20 @ 78. n 4 25 71.2516 media ¥ = 75,25 media R = 21,25 Gréfico ¥: Grafico R: Ds=0" Dy = 2,282 LCS= 90,741 LCS= 48,493 LC=75,25, LC= 21,25 LCI =59,759) * Lel=0 GRAFICO X-MEDIO GRAFICO Rby) Grafico x Se indican los valores en forma individual, pudiendo utilizarse los misimos para confeccionar el grifico de control. Debido a que en este caso, no existen subgrupos y por ende no se puede calcular R, se utiliza el rango mbvil R, de datos consecutivos para el célculo de los limites de control de x Se aplica en los siguientes casos: cuando los datos sobre un proceso se obtienen Iuego de un intervalo prolongado 0 cuando el agrupamiento en subgrupos no resulta efectivo; cuando una partida o un lote se evalia mediante una tnica medicién; cuando aparecen en el proceso ciclos cortos o tendencias y hay que detectarlos ripidamente. Los limites de control para valores individuales pueden compararse directamente con los Lites de la especificacién. Los limites de control deben determinarse con par fo menos 15 valores individuales, Los mismos se calculan.con las siguientes formulas: f Les= 5+2,66R, Loe Le 2,66R, Ejemplo: En un proceso de tefiido sobre fibra poliester por partida, se controla en una partida al azar le temperatura del bafio de tintura, obtenigndose la siguiente némina de valores: x Rf Rx Re 1335, 16.0 124,0 0,0 1355 4.0 75 65 1240 13,0 1315 45 1240 25 1370 65 136.0 80 126,5 6.0 1435 11,0 128,0 0,5 1325 20 1325 1,0 12755 15 1305 125 13,5 as 126,0 1,0 118.0 85 1330, 65 1250 = 1,5 1265 1,0 1265 0,5 123,5 65 1275 60 1260 9,5 130,0 0.0 13,5 20 1355 140 130.0 1315 3,0 115 9,5 128,5 45 1310 45 n=34 29,15 LOS= ¥ +2,66 R, LOS = 143,22 LC= 129,15 LCL = 115,08 GRAFICO X DbsnrvactanesGRAFICOS DE CONTROL POR ATRIBUTOS 4) Griifico p (fraccién defectuosa © no concordante) ‘A menudo es deseable clasifcar un producto como defectuoso 0 no deféctuaso sobre la base de la comparacién con un esténdar. Esto suele hacerse para lograr economia y simplicided en la operacién de inspeceién, Por ejemplo, el didmetro de un cojinete de bola puede verificarse determinando si pasard a través de un medidor compuesto por agujeros circulares coredos en una plantila. Esto seria mucho ‘més simple que medir el didmetro con un ricrémetro. Los diagramas de control para atributos se emplean en estas situaciones. Sin embargo, los diagramas de control de atributos requieren un tamaflo de muestra bastante més grande que en el caso de las mediciones de contrapartes. Supéngase que D es el nimero de unidades defectuosas en una muestra aleatoria de tamaiio 1. Se supone que D es una variable aleatoria binamial con parémetro desconocido p. i D Entonces la fiaccion de muestra efectuosa es un estimador de p, esto es:.: 5 Pare el céleulo de los limites de contol se utilizan las siguientes fermulas: as Les = p+3/20=P) Le=5 siendo p, cantidad de productos defectuosos en la muestra i 1: ninmero de productos de la muestra i NN: nimero de muestras Esponjas que no cumplen con ins expecifieaciones producasdlaramente durante un perlode de 32 dias. CCanilad Cantidad de exponias ‘Cantidad Cantidad se exponjss Dia__producida “"guenocumplen” Foreign | Dia produelda que noccumplen _ Porcién 2 So hn ce fe ao is ‘ne tie a os: jm ao PA oa 5 ws a os | as a oo Se » oe | as a fe 5 ae ts mo {3 O98 B oe ar st tn PB gs Fa & as 6 a b on os 2B os [as 3 tas oo 2 on |B of > 2s So % oe fo oe 2 on ss me fn Ss x a0 saa ue a |e ao i on ,033. 5 77 = 622,6875 ; LCI = 0,033 - 0,021 0,033 + 0,021 = 0,054 Pon eset mande Ia muestra constante) 1) Griifico pn (tam: Este grafico se basa en la comparacién de los valores recogidos de fraccién o porcentaje de efectos de muestras de tamatio constante con los limites de control. Estas muestras se seleccionan periédicamente en el proceso de produccién, por ejemplo: cada hora, cada 15 ‘minutos, cada mafiana, cada tumo, etc. Los limites de control se calculan mediante: LCS = np+3Jnpl-p) ; LC=mp ; LCl=np-3Jmp-p) donteng 2 Me Ejemplo: En la siguiente tabla se presentan los datos provenientes. de, la inspeccién de. defectos en muestras de 100 metros de patio T 4 700 1 2 100 2 4 100 ° 3 100 ° 15 100 2 4 100 5 16 300 3 5 100 3 0 100 1 6 100 2 8 100 6 7 100 4 19 100 1 8 100 3 20 100 3 9 100 2 21 100 3 10 100 6 n 100 2 n 100 1 2B 100 ° 2 100 4 24 100 7 2s 100 3 P=007 p=2472 LCS=7,60 Leen Let 26 Si p es pequefi el limite de control puede ser un nimero negativo. Si esto ocurre, como en este ejemplo, se considera al limite inferior como cero, entonces LCI= 0 GRAFICO pn Debe establecerse una distincién entre defecto y unidad defectuosa. Un defecto es la no conformidad con algin requisito mientras que una unidad defectuosa es un elemento que ccontiene uno 0 més defectos. ‘Las muestras deben ser lo suficientemente grandes de modo que lo falta de defectos en un subgrupo indique una mejora significativa con respecto @ la norma, Esto requiere un tamade muestra n mayor que (9-9B)B unidades, por ello en la préctica se restringe el uso de estas yréficas cuando n> 50 0 cuando np 2 4, tanto para el yrdfico p o np. ©) Grifico & En algunas situaciones puede ser necesario controlar el nimero de defectos en una unidad de producto, en vez de la fraccién de defectos. En estas situaciones podemos emplear el ‘gréfico de control para defectos, 0 grafico c. ‘Supéngase que en la produccién de ropa es necesario controlar el nimero de defectos por ‘metro, o que en el ensamblado de un ala de avién el nimero de remaches faltantes debe contours, Muchas stuaciones de deféctos por unided pueden modelarse por medio de a distribucion de Poisson. ‘Las muestras incluidas en un gréfico ¢ son productos individuales de tamafio constante. El rnimero de defectos en cada proiducto representados por ¢, se cuenta y se registra como el valor de una muestra, Por ¢ Producto Botellas de vidrio jas de metal pintado ‘Alambre de Cu para uso elé Piezas de tela Hilado peinado Pafio de tejido de punto ie burbujs de aire en el vidrio n° de defectos en la superficie de c/hoja n° de puntos débiles en la longitud n° de imperfecciones por m? n° de puntos finos en una longitud dada n° de puntos caldos por patio Los ejemplos indican que no es necesario que las muestras deban ser productos rmanufacturados en forma individual. Cada muestra puede ser cualquier unidad de tamafio constante con igual probabilided de ocurrencia de defectos, tal como una longitud rea. Poderos extender la aplicecin de este tipo de gréficos a diversas operaciones como; por ejemplo, rendimiento de un operario, donde céntariamos el nimero de errores durante-un periodo de tiempo dado. Sea c el nimero de defectos en una unidad, donde c ¢s una variable aleatoria de Poisson con pardmetro a. Por lo tanto, si se disponen k unidades y cj es el nimero de defectos en la 3V@ son los limites de control superior e inferior, unidad i alive central del diagrama de control es: Les=+3ve_ La respectivamente, Ejemplo: Se ensamblan tarjetas de circuito impreso por medio de una combinacién de fensamblado manual y automético. Una méquina de soldadura de flujo se emplea para realizar Jas conexiones mecinicas y eléctricas de los cbmponentes emplomados a la tarjeta. Las tarjetas se someten a un procéso de soldadura de flujo casi de manera continua, y cada hora st seleccionan e inspeccionan 5 tarjetas con el fin de controlar el proceso. se anota el rnlimero de defectos en cada muestra de 5 tarjetas. Los resultados de 20 muestras se presentan en la siguiente tabla: LCS =8+3V8=16,485 — LC1=8-3V8=-0,485 = LCI=018 cs 18) x vole delecos.c Nom, LESH EOE BIOTTIZ IS TOTO IEISTO ‘Nimero de is vests Digger € @) Grifico.u Una carte de control para.u, cantidad de defectos por unidad, en una muestra és el equivalente a una carta de control c, en la que el tamafio de la muestra puede ser variable 0 constante. Cuando las muestras no son de’ igual tamafio Jos limites de control superior.o inferior se ccalculan por separsdo para cada tamafo siendo: donde my es la cantidad de elementos de In muestra i En Ja préctica, para simplificar los cfleulos se reemplaza ny por’ F =: permenecen constantes LCS y LCI + con Jo cual Ejemplo: Es posible construir un diagrama u para los datos de defectos de Ja tarjeta de circuito impreso del ejemplo anterior. Tanatow ~~ Wonero@e —_Defedo onsie —Troworen—_delecone__povunied 7 = % 12 2 $ “ yy a 5 ® 4s 4 5 10 20 5 5 e +8 6 5. 2 2a 7 5 %6 82 2 5 2 oa ° 5 3 os 0 5 40 20 " 5 2 ie 2 5 6 30 % 5 2 ts ‘4 5 0 20 8 5 a +8 16 5 2 f.04 " 5 > ta ie 5 1 “02 % 5 ? ‘4 2 5 ts 25 a! 2 3 a16 yucs= =33,L0= 20tos #33 VP SR ESTE oI FIT IATE 1617181920 INTERPRETACI S GRAFICAS DE. CONT! A través de la lectura de un grifico de control podemos obtener la interpretaciin exacts det estado de los procesos bajo observacién, Se dice que un procéso’se halla bajo control si el mismo es estable, y en consecuencia el promedio y la variacién del proceso no varian, Lus criterios que daremos a continuacién servirén para determinar si un proceso esté bajo control o no, a partir del-anilisis de los ‘grificos de control 1) Verificar silos puntos caen dentro o futra de log limites de control, 2) Tratar de identificar series. Se denomina serie a la sucesin de puntos situidos’a una ‘mismo lado de la linea central. Se considera anormal (falta de aleatoriedad) a una serie de: 8) 70 mas puntos ') con menos de-7 puntos si: bi) entre 11 puntos consecutivos, 10 aparectn del mismo lado de LC a) entre 14 puntos consecutivos, 12 aparecen del mismo lado de LC »b) entre 20 puntos consecutivos, 16 aparecen del mismo lado de LC Una sve i? puroe 10de 11 panos conseuivor sano el mismo la e anarmal 4) Observar los puntos que se aproximan a los limites de control 3c, Si dos de tres puntos aparecen fuera de la linea 2c se considera el caso como anormal.'5) Coniprobar.si la mayor parte de los puntos se alinean’dentro de Ja’ franja central de las Tineas 1,50. Ello se debe a un agrupamiento’inadecuado de los subgrupos, La aproximacion a la linea central no implica que el proeso se halle bajo control, sino que se trata dé una mezcla de datos con diferentes poblaciones en cada subgrupo, que torna demasiado amplia Ja separacién dentro de los limites de control. En estos casos es necesario. cambiar 1a forms de-subagrupamieno. 6) Analizar la periodicidad. Cuando la gréfica presenta una tendencia zigzagueante hacie ambos lados de la linea central en forma repetitiva para el mismo intervalo se considera que es anormal ¢ Re t é, —-———— Leet spo Lorie gE Lotet Los limites de tolerancia 0 Hmites de especiicacin determinan ta eapacidad del proceso Estos na se relacionan con los lites de control, Esto significa que los lites de