Gerencia de Produccin y Operaciones:

manufactura y servicios

Eighth Edition

Presentacin PowerPoint para capitulo 6 - Suplemento Control Estadstico de Calidad Chase

Aquilano Jacobs
1997 Irwin/McGraw-Hill, A Division of the McGraw-Hill Companies

Capitulo 6 - Suplemento

Control Estadstico de Calidad

x

Muestreo de aceptacin
Curvas caractersticas de operacin

Procedimientos de Control del Proceso

Variables Atributos

Capacidad del Proceso

Formas bsicas de Muestreo Estadstico para Control de Calidad

x

Muestreo para aceptar o rechazar un lote de producto (Muestreo de Aceptacin).

Muestreo para determinar si el proceso est dentro de lmites aceptables (Control Estadstico del Proceso).
3

Muestreo de Aceptacin
x

Propsito
Determinar el nivel de Calidad Asegurar que la Calidad est dentro de niveles predeterminados

Ventajas
Economa Menos daos por manipulacin Pocos inspectores Se promueve el trabajo de inspeccin Aplicabilidad en pruebas destructivas Rechazo total del lote (motivacin para mejorar)

Muestreo de Aceptacin
x

Desventajas
Riesgos de aceptar malos lotes y rechazar buenos lotes. Planeamiento y documentacin adicional. Muestreo provee menos informacin que inspeccin 100%

Muestreo Estadstico - datos

x

Atributos (Pasa o no Pasa)

Nivel de Aceptacin--se refiere a la aceptabilidad del producto dentro de un rango de caractersticas. Defectos--se refiere al numero de defectos por unidad - puede ser mayor que el nivel de aceptacin.

Variables (Continuas)
Generalmente medidas por el promedio y la desviacin estndar.
6

Muestreo de Aceptacin --Plan de muestra simple

Una meta simple (1) Determinar cuantas unidades, n, tomar como muestra de un lote, y (2) El mximo nivel de aceptacin, c, que puede ser aceptado en la muestra antes de ser rechazado.
7

Riesgos
x

Nivel Aceptable de Calidad (AQL)

Porcentaje maximo de defectuosos aceptados por el productor.

(Riesgo del productor)

La probabilidad de rechazo de un buen lote.

Porcentaje defectuoso tolerado en lotes

Porcentaje de defectuosos que determinan el rechazo del cliente.

(Riesgo del consumidor)

La probabilidad de aceptar un mal lote.
8

Curva Caracterstica de Operacin

1 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0 1 2

Probabilidad de Aceptacin

= .05 (riesgo de produccin) n = 99 c=4

=.10 (riesgo del consumidor)

10 11 12

AQL

LTPD Porcentaje defectuoso

9

Ejemplo: Muestreo de Aceptacin

Zypercom, un productor de interfaces de video, compra tarjetas pre - impresas a un vendedor, Procard. Procard tiene un nivel aceptable de calidad de 1% y acepta un riesgo de 5% de rechazar lotes igual o por debajo de este nivel. Zypercom considera que lotes con 3% de defectuosos no son aceptables y asume un riesgo de 10% de aceptar un lote malo. Desarrollar un plan de muestreo para Zypercom y determinar una regla a seguir para el personal de inspeccin.
10

Solucin
Para este ejemplo, como determinar AQL? ? LTPD? ?
11

Ejemplo: Continuacin
LTPD .03 = = 3 AQL .01

n (AQL) = 3.286

Exhibit S6.1 Exhibit S6.1

Como podemos determinar el valor de n? Cul es nuestro procedimiento de muestreo

n AQL 0.052 0.355 0.818 1.366 1.970 c 5 6 7 8 9 LTPD/AQL 3.549 3.206 2.957 2.768 2.618 n AQL 2.613 3.286 3.981 4.695 5.426
12

c 0 1 2 3 4

LTPD/AQL 44.890 10.946 6.509 4.890 4.057

Ejemplo: Continuacin
c = 6, de la tabla n (AQL) = 3.286, de la tabla AQL = .01, dado en el problema n(AQL/AQL) = 3.286/.01 = 328.6, o 329 (siempre redondear) Procedimiento de Muestreo: Tomar una muestra aleatoria de 329 unidades del lote. Rechazar el lote si se tienen mas de 6 unidades defectuosas.
13

La curva Normal (Revisin)

-3 -2 -1 0 1 2 3

x Z

Los promedios reducen la variabilidad x

14

Limites de Control
Si establecemos limites de control de +/- 3 desviaciones estndar, entonces podramos esperar que el 99.7% de nuestras observaciones estn dentro de estos limites

x
LCL UCL
15

UCL

Control Estadstico de Procesos

LCL UCL

LCL UCL

LCL

See Exhibit S6.3 for other evidence prompting investigation

Construccin de un diagrama - p muestra n defectuosos

Muestr a

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

n Defectuosos 100 4 50 2 100 5 100 3 75 6 100 4 100 3 50 8 100 1 100 2 100 3 100 2 100 2 100 8 100 3
17

Control Estadstico de Procesos--Atributos (diagrama - P)

Numero total de defectuoso s p= Numero total de observacio nes

Sp = p (1 - p) n

UCL = p + Z sp LCL = p - Z sp
18

1. Calcular la proporcin de defectuosos, p, para cada muestra

Muestra

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

n Defectuosos 100 4 50 2 100 5 100 3 75 6 100 4 100 3 50 8 100 1 100 2 100 3 100 2 100 2 100 8 100 3

p 0.04 0.04 0.05 0.03 0.08 0.04 0.03 0.16 0.01 0.02 0.03 0.02 0.02 0.08 0.03
19

Calcular el promedio de las proporciones de muestr

54 p = = 0.03927 1375

Calcular la desviacin estndar de las proporciones uestrales

sp =

p (1 - p) = n

.03927(1-. 03927) 91.6667

=.02029

20

4. Calcular los limites de control.

UCL = p + Z sp LCL = p - Z sp
.03927 3(.02029)

UCL = 0.1001 LCL = -0.0216 ( 0)

21

Diagrama - p (Continuacin)
5.
0.13 0.12 0.11 0.1 0.09 0.08 P 0.07 0.06 0.05 0.04 0.03 0.02 0.01 0 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
22

Graficar las proporciones individuales, el promedio de las proporciones, y los limites de control.
UCL

LCL Muestra

Ejemplo: Diagramas X y R
Muestra Obs 1

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

10.68 10.79 10.78 10.59 10.69 10.75 10.79 10.74 10.77 10.72 10.79 10.62 10.66 10.81 10.66

Obs 2 10.689 10.86 10.667 10.727 10.708 10.714 10.713 10.779 10.773 10.671 10.821 10.802 10.822 10.749 10.681

Obs 3 10.776 10.601 10.838 10.812 10.79 10.738 10.689 10.11 10.641 10.708 10.764 10.818 10.893 10.859 10.644

Obs 4 10.798 10.746 10.785 10.775 10.758 10.719 10.877 10.737 10.644 10.85 10.658 10.872 10.544 10.801 10.747

Obs 5 10.714 10.779 10.723 10.73 10.671 10.606 10.603 10.75 10.725 10.712 10.708 10.727 10.75 10.701 10.728
23

Calcular los promedios de las muestras, los rangos, el promedio de los promedios y el promedio de rangos.
Muestra 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 Obs 1 10.68 10.79 10.78 10.59 10.69 10.75 10.79 10.74 10.77 10.72 10.79 10.62 10.66 10.81 10.66 Obs 2 10.689 10.86 10.667 10.727 10.708 10.714 10.713 10.779 10.773 10.671 10.821 10.802 10.822 10.749 10.681 Obs 3 10.776 10.601 10.838 10.812 10.79 10.738 10.689 10.11 10.641 10.708 10.764 10.818 10.893 10.859 10.644 Obs 4 10.798 10.746 10.785 10.775 10.758 10.719 10.877 10.737 10.644 10.85 10.658 10.872 10.544 10.801 10.747 Obs 5 10.714 10.779 10.723 10.73 10.671 10.606 10.603 10.75 10.725 10.712 10.708 10.727 10.75 10.701 10.728 Promedio Avg 10.732 10.755 10.759 10.727 10.724 10.705 10.735 10.624 10.710 10.732 10.748 10.768 10.733 10.783 10.692 10.728 Range 0.116 0.259 0.171 0.221 0.119 0.143 0.274 0.669 0.132 0.179 0.163 0.250 0.349 0.158 0.103 0.220
24

Formulas de los Limites de Control

Limites de Control x UCL = x + A 2 R LCL = x - A 2 R
n 2 3 4 5 6 7 8 9 10 11
Exhibit S6.4 Exhibit S6.4

Limites de Control R UCL = D 4 R LCL = D 3 R

A2 1.88 1.02 0.73 0.58 0.48 0.42 0.37 0.34 0.31 0.29

D3 0 0 0 0 0 0.08 0.14 0.18 0.22 0.26

D4 3.27 2.57 2.28 2.11 2.00 1.92 1.86 1.82 1.78 1.74

25

Diagrama x
UCL = x + A 2 R = 10.728-.58 (0.220) = 10.856 LCL = x - A 2 R = 10.728-.58 (0.220) = 10.601

10.900 10.850 10.800 10.750 10.700 10.650 10.600 10.550 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

UCL

LCL

Muestra
26

Diagrama R
UCL = D 4 R = ( 2.28 )( 0.220 ) = 0.465 LCL = D 3 R = ( 0)( 0.220 ) = 0

0.700 0.600 0.500 0.400 R 0.300 0.200 0.100 0.000 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

UCL

LCL

27

Capacidad del Proceso

x

Lmites del Proceso

Lmites de Tolerancia

Como se relacionan los lmites?

28

Indice de Capacidad, Cpk

X LTL UTL - X C pk = min or 3 3

Shifts in Process Mean

29

Mtodos Taguchis
Exhibits S6.9 & S6.10 Exhibits S6.9 & S6.10 Alto
Costo incremental de la Variabilidad

Alto
Costo incremental de la Variabilidad

Cero Especif. Especif. Especif. inferior objetivo superior

Cero Especif. Especif. Especif. inferior objetivo superior

Visin Tradicional

Visin Taguchis
30