Professional Documents
Culture Documents
manufactura y servicios
Eighth Edition
Capitulo 6 - Suplemento
Muestreo de aceptacin
Curvas caractersticas de operacin
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%
Variables (Continuas)
Generalmente medidas por el promedio y la desviacin estndar.
6
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
Probabilidad de Aceptacin
10 11 12
AQL
Solucin
Para este ejemplo, como determinar AQL? ? LTPD? ?
11
Ejemplo: Continuacin
LTPD .03 = = 3 AQL .01
n (AQL) = 3.286
c 0 1 2 3 4
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
-3 -2 -1 0 1 2 3
x Z
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
LCL UCL
LCL UCL
LCL
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
UCL = p + Z sp LCL = p - Z sp
18
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
sp =
p (1 - p) = n
=.02029
20
UCL = p + Z sp LCL = p - Z sp
.03927 3(.02029)
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
A2 1.88 1.02 0.73 0.58 0.48 0.42 0.37 0.34 0.31 0.29
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
UCL
LCL
Muestra
26
Diagrama R
UCL = D 4 R = ( 2.28 )( 0.220 ) = 0.465 LCL = D 3 R = ( 0)( 0.220 ) = 0
UCL
LCL
27
Lmites de Tolerancia
28
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
Visin Tradicional
Visin Taguchis
30