Escolar Documentos
Profissional Documentos
Cultura Documentos
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:
Nombres y Apellidos:
Cdulas de Identidad:
24.570.866 y 23.897.481.
Grupo:
04.
Profesor:
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.
3.1 Materiales.
35 muestras de acero
3.2 Equipos.
4. PROCEDIMIENTO EXPERIMENTAL.
Tomar y registrar las mediciones de 7 muestras compuestas de 5 ejes cada una
suministradas por el profesor.
( Xi ) ( 1 )
X =
N
Donde:
X : Promedio.
( 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
Carta de control X
Muestras
L.S.C.X
L.I.C.X
Promedio
Carta de control R
Muestras
L.S.C.R
L.I.C.R
Rango
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)
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
M3
( M 2)
=0,914484 ( 9 )
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
PI = XP
I ' =12,0141740,10805532 3,672)= 11,6174
LSELIE
=0,5947
PSPI
Cpi=
M LIE
=0,3109 ; 1,2947
M PI
Cps=
LSEM
=0,9238 ; 0, 9844
PSM
8. REFERENCIAS BIBLIOGRFICAS.
1