UNIVERSIDAD DE CARABOBO.

FACULTAD DE INGENIERA.
ESCUELA DE INGENIERA MECNICA.
DEPARTAMENTO DE MATERIALES Y PROCESOS DE
FABRICACIN.
LABORATORIO DE PROCESOS DE FABRICACIN II.

Prctica No:

03

Ttulo de la Prctica:

Control Estadstico de Calidad

Nombres y Apellidos:

Jos Garrido Garca y Oscar Rojas Araque.

Cdulas de Identidad:

24.570.866 y 23.897.481.

Grupo:

04.

Profesor:

Juan Carlos Pereira.

18/05/2016

1. INTRODUCCIN.
Pueden hallarse numerosas definiciones de calidad. Que abarca tanto el control
de calidad como garanta de la calidad. Aunque la palabra calidad tiene connotaciones
distintas segn las personas que la empleen, en ella subyace siempre una idea central.
La calidad de un producto es satisfactoria cuando responde a las necesidades del
consumidor. Para producir un artculo de alta calidad hay que superar una serie de
etapas intermedias. En primer lugar, el ingeniero a cargo del proyecto debe ser capaz
de plasmar las necesidades del consumidor en un proyecto de ingeniera, indicando
sus especificaciones y mrgenes de tolerancia. Mientras que el inspector de calidad
debe probar y evaluar el producto que se est elaborando. Por ltimo, es esencial la
realimentacin de los consumidores. En muchos casos, las necesidades que se
plasman en el proyecto no reflejan lo que el consumidor desea en realidad.
Se denomina control de calidad al conjunto de tcnicas y procedimientos de que
se sirve la direccin para orientar, supervisar y controlar todas las etapas mencionadas
hasta la obtencin de un producto de la calidad deseada. El control de calidad no es
solo papeleo, ni una serie de frmulas estadsticas y de tablas de aceptacin y control,
ni el departamento responsable del control de calidad. [1].
Para los conceptos anteriores es necesario el empleo de un muestreo el mtodo
empleado influye enormemente en los resultados. En el muestreo de aceptacin, la
muestra debe ser representativa del lote. En aquellos casos en que el inspector sabe
cmo se form el lote, puede usar este conocimiento para seleccionar las muestras
por estratificacin. Cuando no pese este conocimiento, un planteamiento correcto es
utilizar el muestreo aleatorio en el que todas las tablas de muestreo publicadas dan
por supuesto que las muestras se extraen de manera aleatoria, es decir, que en
cualquier momento dado, todas las unidades que quedan sin examinar tienen la
misma probabilidad de ser la prxima unidad seleccionada para la muestra. Para
llevar a cabo el muestreo aleatorio se requiere generar nmeros aleatorios y que estos
nmeros aleatorios se apliquen al producto disponible. [2].
Tambin se debe tocar el concepto de histogramas grficos que representan la
distribucin de frecuencias de los valores correspondientes a una poblacin, esta
distribucin de frecuencias nos muestra las caractersticas de una poblacin, por
ejemplo, si hay resultados que son ms frecuentes que otros. Nos muestra si los
valores estn ubicados alrededor de un valor central, si estn muy dispersos o poco
dispersos. As mismo la curva normal o campana de gauss representa la distribucin
normal de frecuencias para un nmero infinito de medidas, siendo esta la curva
particular de una determinada poblacin.
Desviacin estndar es un ndice que indica la probabilidad de que un valor este
a una determinada diferencia o distanciacin con respecto al valor promedio, e indica
la dispersin de un conjunto de valores con respecto a un valor promedio. La varianza
por su parte es la medida de la distribucin probable de valores, es el cuadrado de la
desviacin estndar.

La curva normal estandarizada es la curva normal que puede ser usada con
cualquier poblacin y deriva de la curva normal explicada anteriormente, el rea bajo
la curva es igual a 1 lo que indica que el 100% de los valores estn dentro de
tolerancia.
Las Cartas de control que no son ms representaciones graficas que indican la
variacin experimentada en los valores de las muestras tomadas a travs del tiempo.
Cartas de control de variables es una representacin grfica de los valores
cuantitativos que se realiza con la finalidad de determinar si hay un modelo de
variacin estable dentro de los lmites establecidos por la desviacin estndar.
Cartas de control X donde el promedio de las muestras o de las observaciones
tomadas en un proceso, en funcin del tiempo se grfica. Se utiliza para controlar la
exactitud de un proceso y en ellas se puede determinar si hay presencia de un modelo
de variacin anormal o inestable. Tambin se pueden encontrar las cartas de control R
donde el rango R de las muestras o de las observaciones tomadas en un proceso, en
funcin del tiempo se grfica. Se utiliza para controlar la precisin de un proceso y en
ellas se puede determinar si hay presencia de un modelo de variacin anormal o
inestable. [3].
2. OBJETIVOS.

2.1 Objetivo General.

Adquirir destrezas en el uso e interpretacin de las herramientas de control
estadstico de calidad.
2.2 Objetivos Especficos.
Construir las grficas de control por variables (Carta X, Carta R).
Analizar e interpretar las cartas de control por variable.
Determinar el tipo de distribucin de frecuencia (Normal Anormal) que presenta
el proceso.
Calcular los ndices de capacidad de procesos (Cp y Cpk).
Analizar e interpretar los ndices de capacidad de proceso y su influencia en la
calidad de las piezas fabricadas.
3. LISTA DE MATERIALES Y EQUIPOS.

3.1 Materiales.
35 muestras de acero
3.2 Equipos.

Vernier, marca Mitutoyo, apreciacin 0,05mm y rango [0-150]mm.

4. PROCEDIMIENTO EXPERIMENTAL.
Tomar y registrar las mediciones de 7 muestras compuestas de 5 ejes cada una
suministradas por el profesor.

4.1. Actividad N1: Cartas de control por variable (carta X y Carta R)

Calcular la sumatoria, promedio y rango de cada muestras utilizada para la
prctica, as como el promedio del proceso y el rango promedio.
Tomar las constantes correspondientes a cada carta para calcular los lmites de
control a graficar.
Graficar las cartas de control por variables con los promedios de cada muestra, los
lmites de control y el valor promedio e interpretar el grafico denotando si est
dentro del control o no.
4.2. Actividad N2: Prueba de normalidad a travs del mtodo de sesgo y
Curtosis
Seguir los pasos para realizar un histograma y as obtener la mediatriz de clase y la
frecuencia de aparicin de medidas en una clase.
A partir de los datos obtenidos anteriormente obtener los valores de promedio,
varianza, tercer momento, cuarto momento, coeficiente de sesgo y de Curtosis
tericos.
Comparar los valores tericos con los obtenidos por tabla y as verificar que el
proceso sea normal.
4.3. Actividad N3: Calcular ndices de capacidad de procesos
Determinar los lmites de especificaciones de acuerdo al eje asignado por el
profesor.
De acuerdo al proceso determinado anteriormente emplear el mtodo Pearson o el
mtodo de distribucin normal.
Obtener los coeficientes de capacidad potencial y coeficientes de capacidad real
del proceso mediantes los valores estimados dependiendo al mtodo
correspondiente.
5. RESULTADOS OBTENIDOS

5.1 Actividad N 1: Cartas de control por variable (carta X y Carta R)

Despus de recolectar los datos de las muestras y calcular los promedios, el
rango de cada muestra y el promedio del proceso junto al rango del promedio del

proceso se obtuvieron los siguientes resultados mediante el uso de las siguientes

ecuaciones:

( Xi ) ( 1 )
X =
N
Donde:
X : Promedio.

Xi : Mediciones de las piezas.

N : Nmero de piezas medidas de cada muestra o tamao de la muestra.

R=Valor mximoValor mnimo=Xmax Xmin ( 2 )

Donde:
R : Rango.

( Xi ) ( 3 )
X =
M
( Ri )

(4 )
R=
M
Donde:
X : Promedio del proceso.

R
: Rango promedio del proceso.

M : Nmero de muestras.
Tabla 1. Valores obtenidos

Posteriormente se calcularon los lmites de control, haciendo uso de las

siguientes contantes extradas de la tabla 3.3 del libro de procesos de fabricacin por

arranque de viruta [3]:

A2=0,577; D3=0; D4=2,115
X + A 2 R=12,017143+

( 0,557 ) ( 0,1857143 )=12,12 43

L. S .C . X=
A 2 R=12,017143

( 0,557 ) ( 0, 1857143 )=11,909986

L. I . C . X = X

( 2,115 ) ( 0,1857143 )=0,3927857

L. S .C . R=D4 R=
( 0 ) ( 0,1857143 ) =0
L. I . C . R=D3 R=

Carta de control X

Muestras

L.S.C.X

L.I.C.X

Figura 1. Carta de control X

Promedio

Carta de control R

Muestras

L.S.C.R

L.I.C.R

Rango

Figura 2. Carta de control R

5.2 Actividad N2: Prueba de normalidad a travs del mtodo de sesgo y
Curtosis
A partir de las mediciones realizadas se completa la siguiente tabla:
Tabla 2. Valores de mediatriz de clase y frecuencia
Clases

Mediatriz de clase

Frecuencia

[11,9000-11,9583)

11,9292

13

[11,9583-12,0166)

11,9875

[12,0166-12,0749)

12,0458

[12,0749-12,1333)

12,1042

[12,1333-12,1917)

12,1625

[12,1917-12,2501)

12,2208

Histrograma de frecuencia

[11,9000-11,9583)

[11,9583-12,0166)

[12,0166-12,0749)

[12,0749-12,1333)

[12,1333-12,1917)

[12,1917-12,2501)

Figura 3. Histograma de Frecuencia

Tabla 3. Valores Calculados a partir del histograma de frecuencia

Donde:
Xi: Mediatriz de clase (valor medio de cada clase en el histograma)
Fi: Frecuencia de aparicin de medidas en una clase
Se determinan los siguientes valores:
Promedio:

(
X =

Xif i )
=12,014174 (5 )
n

Varianza:
2
f i( Xi X )

M 2=
=0,007842 ( 6 )

Tercer Momento:
3
f i( Xi X )

M 3=
=0,000635 ( 7 )

Cuarto Momento:
M 4=

f i( Xi X )4 =0,000185 ( 8 )
n

Coeficiente de sesgo terico:

b 1=

M3

( M 2)

=0,914484 ( 9 )

Coeficiente de curtosis terico:

b 2=

M4
3=0,013306 ( 10 )
( M 2 )2

Coeficientes de la tabla:
B1t = 0,624
B2i = -0,975
B2s = 1,085
Al comparar los valores obtenidos con los de la tabla, no nos cumplen las
condiciones por lo que tenemos un proceso no normal.
5.3. Actividad N3: Calcular ndices de capacidad de procesos
LSE: 12,315
LIE: 11,885

Clculos preliminares:
X =12,014174

Media

Desviacin estndar = 0,10805532

Sesgo b1= 0,914484
Curtsis b2= 0,013306
PI= 3,672
PS= 3,020
M= 0,078; 12,075

PI = XP
I ' =12,0141740,10805532 3,672)= 11,6174

+P S' =12,014174+0,10805532 3,020)= 12,3405

PS= X

M= X M ' =12,0141740,10805532 0,078; 12,075)= 12,0057; 10,7094

Cp=

LSELIE
=0,5947
PSPI

Cpi=

M LIE
=0,3109 ; 1,2947
M PI

Cps=

LSEM
=0,9238 ; 0, 9844
PSM

Cpk=MIN (Cpi , Cps)= 0,3109; 0,9844

6. ANALISIS DE RESULTADOS
6.1 Actividad N1: Cartas de control por variable (carta X y Carta R)

Mediante la construccin, uso e interpretacin de las cartas X y R, as se denota

como un proceso dentro del control debido a que tanto los promedios en caso de la
primera nombrada y los rangos se mantuvieron dentro de los lmites de control
obtenidos, sin ningn punto fuera de las cartas. Aunque del mismo modo se
observaron puntos en las cartas que se aproximaban a la lnea central, con mayor
cantidad de estos en el caso de las cartas de control R.
A pesar de que nuestro proceso resulte dentro de control no nos asegura que este
vaya a cumplir con el proceso de normalidad y que las capacidades potenciales y
reales se encuentren dentro de los valores esperados.

6.2 Actividad N2: Prueba de normalidad a travs del mtodo de Sesgo y

Curtosis.
El proceso se determin como no normal al encontrarse la curva fuera de los
lmites debido a que el valor terico del mtodo de Sesgo no cumpli con las
condiciones requeridas, aun as habiendo cumplido por Curtosis.

6.3 Actividad N3: Calcular ndices de capacidad de procesos

Para que el proceso sea potencialmente capaz, debe cumplirse que Cp 1 ya que
esto implica que el proceso es potencialmente capaz; sin embargo, el valor
arrojado por Cp fue menor 1, indicando as que el proceso no es capaz.
Debido a que no cumpli las condiciones del mtodo Sesgo y Curtosis se debi
calcular los ndices de capacidad de procesos por el mtodo de Pearson que se
utiliza para controlar procesos con distribuciones no normales.
Al comparar los coeficientes de capacidad potencial y real del proceso calculados
nos indica que ninguno cumple el requerimiento para que el proceso se pueda
cumplir, es decir, al realizar este proceso no ser capaz de arrojarnos un porcentaje
de nmero de piezas alto dentro de la especificacin.
7. CONCLUSIONES.

Mediante la construccin, uso e interpretacin de las cartas X y R se puede

conocer si un proceso de produccin en serie est dentro de los lmites requeridos
ya que las mismas indican con confiabilidad las desviaciones que se presentan en
el proceso.
El proceso no alcanza las 6 sigmas, por lo que no logra arrojar el 99,73 % de las
piezas dentro de la especificacin.
El mtodo se Sesgo y Curtosis determinan las dimensiones limites que puede
poseer la curva para que sea considerado el proceso como normal.
Los coeficientes de capacidad indican el porcentaje de la poblacin que el proceso
es capaz de arrojar dentro de las especificaciones establecidas.

8. REFERENCIAS BIBLIOGRFICAS.
1

Bertrand L. Hansen (1989). Control de calidad: teora y aplicaciones. Ediciones

Daz de Santos. Espaa. P.3-14.
2 J. M. Juran(1983). Manual de control de calidad. Editorial Reverte. Espaa,
p.753-755.
3 Juan C Pereira F. (2004) Procesos de Fabricacin por arranque de Viruta.
Publicaciones facultad de ingeniera Universidad de Carabobo. Venezuela, p. 1932.