Captulo 17

Control estadstico de calidad

Objetivos: Al terminar este captulo podr:

1.

Analizar la funcin del control de calidad en las operaciones de

produccin y servicio.

2.

Definir y comprender los trminos siguientes: causa aleatoria, causa

asignable, bajo control, fuera de control, atributo y variable.

3.

Elaborar e interpretar un diagrama de Pareto.

4.

Elaborar e interpretar un diagrama de causa y efecto (o diagrama de

espinazo de pescado).

Captulo 17 (Continuacin)
5.

Elaborar e interpretar un diagrama para la media y un diagrama de

amplitud de variacin.

6.

Elaborar e interpretar un diagrama de porcentaje de unidades

defectuosas y un diagrama de c con barra.

7.

Describir el muestreo de aceptacin.

8.

Elaborar un diagrama caracterstico de operacin para diversos planes de

muestreo.

Diagramas de control

El control estadstico de calidad enfatiza el control

en procesos con el objetivo de controlar la calidad
de un proceso de fabricacin o una operacin del
servicio usando tcnicas de muestreo.
Las tcnicas de muestreo estadstico se utilizan
para ayudar en la fabricacin de un producto en las
especificaciones ms que en examinar la calidad en
el producto despus de su manufactura.
Los diagramas de control son tiles para supervisar
un proceso.
3

Causas de la variacin
Hay variacin en todas las piezas producidas por
un proceso de fabricacin. Hay dos fuentes de variacin:
Variacin aleatoria: variacin que por naturaleza es
aleatoria. Este tipo de variacin no puede eliminarse por
completo, a menos que se realice una modificacin
importante en el equipo o en el material que se utiliza en
el proceso.
Variacin asignable: variacin que no es aleatoria.
Puede eliminarse o reducirse mediante la investigacin
del problema y la determinacin de su causa.

Propsito de los diagramas

de control de calidad

El propsito de los diagramas de control de calidad

es retratar grficamente cuando una causa
asignable entra al sistema de produccin y as
poder ser identificada y corregida.

Esto se realiza peridicamente seleccionando una

muestra escogida al azar de la produccin actual.

Example:

Run Chart of Earths

Temperatures

Example:

Run Chart of Earths

Temperatures

Run Chart of Individual Temperatures in

Table 14-1.

Figure 14-2 Processes That Are Not Statistically Stable

Figure 14-2(a): There is an obvious upward trend

that corresponds to values that are increasing over
time.

Figure 14-2 Processes That Are Not Statistically Stable

Minitab

Figure 14-2(b): There is an obvious downward

trend that corresponds to steadily decreasing
values.

Figure 14-2 Processes That Are Not Statistically Stable

Minitab

Figure 14-2(c): There is an upward shift. A run

chart such as this one might result from an
adjustment to the filling process, making all
subsequent values higher.

Figure 14-2 Processes That Are Not Statistically Stable

Minitab

Figure 14-2(d): There is a downward shift-the first

few values are relatively stable, and then something
happened so that the last several values are
relatively stable, but at a much lower level.

Figure 14-2 Processes That Are Not Statistically Stable

Minitab

Figure 14-2(e): The process is stable except for

one exceptionally high value.

Figure 14-2 Processes That Are Not Statistically Stable

Minitab

Figure 14-2(f): There is an exceptionally low value.

Figure 14-2 Processes That Are Not Statistically Stable

Minitab

Figure 14-2(g): There is a cyclical pattern (or

repeating cycle). This pattern is clearly
nonrandom and therefore reveals a statistically
unstable process.

Figure 14-2 Processes That Are Not Statistically Stable

Minitab

Figure 14-2(h): The variation is increasing over

time. This is a common problem in quality control.

Tipos de variables en los diagramas

de control de calidad

La media o el diagrama de x-barra se disea para

controlar variables tales como peso, longitud, etc. El
lmite de control superior (UCL) y el lmite de control
inferior (LCL) se obtienen de la ecuacin:

UCL X A R y LCL X A R
2

Donde X es la media de las medias muestrales y R

es la media de los rangos muestrales.
16

Tipos de variables en los diagramas de

control de calidad

El diagrama de rango se disea para mostrar si el

rango total de medidas est dentro o fuera de
control. El lmite de control superior (UCL) y el
lmite de control inferior (LCL) se obtienen de la
ecuacin:

UCL D4 R y LCL D3 R

17

Table 14-2
Control Chart
Constants

Criteria for Determining When a

Process Is Not Statistically Stable
(Out of Statistical Control)
1. There is a pattern, trend, or cycle that is
obviously not random.
2. There is a point lying beyond the upper
or lower control limits.
3. Run of 8 Rule: There are eight
consecutive points all above or all below
the center line.

Additional Criteria Used

by Some Businesses
There are 6 consecutive points all increasing or all
decreasing.
There are 14 consecutive points all alternating
between up and down (such as up, down, up,
down, and so on).
Two out of three consecutive points are beyond
control limits that are 2 standard deviations away
from centerline.
Four out of five consecutive points are beyond
control limits that are 1 standard deviation away
from the centerline.

Ejemplo 1

Un fabricante de ruedas para silla desea mantener

la calidad del proceso de fabricacin. Cada 15
minutos, por un perodo de cinco horas, una rueda
se selecciona y se mide el dimetro. Los dimetros
(en milmetros) de las ruedas estn como sigue.

21

Ejemplo 1 (Continuacin)

La tabla de abajo muestra las medias y los rangos:

22

Ejemplo 1 (Continuacin)

Calcule la gran media (X doble barra) y el rango

promedio.
X doble barra = (25.25 + 26.75 + ... + 25.25) / 5
= 26.35
Rango promedio = (5 + 6 + ... + 3) / 5 = 5.8

Determine el UCL y el LCL para el dimetro medio

UCL=26.35 + .729 (5.8) = 30.58
LCL=26.35 - .729 (5.8) = 22.12

23

Ejemplo 1 (Continuacin)
Determine el UCL y el LCL para el dimetro del
rango.
o UCL=2.282(5.8) = 13.24
o LCL=2.282(0) = 0.
Est el proceso fuera de control?
Observe de la diapositiva siguiente que el
proceso est en control. No hay puntos fuera de
los lmites de control.

24

Ejemplo 1 (Continuacin)
Diagrama de X-Barra
Significado

UCL=30.58

MU=26.35
LCL=22.12

Gamas

UCL=13.24
R=5.800
LCL=0

Diagrama de R
25

Tipos de atributos en los diagramas

de control de calidad

El diagrama de porcentaje defectuoso tambin

se llama un p-diagrama o el diagrama p-barra.
Muestra grficamente la proporcin de la
produccin que no es aceptable. La proporcin
de defectuosos se calcula as:

p = suma de porcentaje de defectuosos/nmero

de muestras

26

Tipos de atributos en los diagramas

de control de calidad

Los UCL y los LCL se calculan como la media

del porcentaje de defectuosos ms o menos 3
veces el error estndar de los porcentajes:

p (1 p )
UCL y LCL p 3
n

27

Ejemplo 2

Un fabricante de zapatos para correr desea

establecer los lmites de control para los
porcentajes de defectuosos. Diez muestras de
400 zapatos revelaron que el porcentaje de
defectuosos fue de 8.0%, dnde debe el
fabricante fijar los lmites de control?

.08(1.08)
.08 3
400
.08.041
28

Tipos de atributos en los diagramas

de control de calidad

El diagrama de porcentaje defectuoso o el

c-barra se disea para controlar el nmero
de defectos por unidad. Los UCL y los LCL
se calculan as:

UCL y LCL c 3 c

29

Ejemplo 3

Un fabricante de tableros de circuito de

computadora prob 10 despus de que fueron
manufacturados. El nmero de los defectos
obtenidos por tablero de circuito era:
5.3.4.0.2.2.1.4.3. y 2. Construya los lmites de
control apropiados.

c 26 / 10 2.6
UCL y LCL 2.6 3 2.6
2.6 4.84
30

Muestreo de aceptacin

El muestreo de aceptacin es un mtodo para

determinar si un lote de productos se encuentra
dentro de los estndares especificados.
Se basa en tcnicas de muestreo aleatorio.
Una muestra escogida al azar de n unidades se
obtiene del lote completo.
c es el nmero mximo de unidades defectuosas
que se pueden encontrar en la muestra para que el
lote sea considerado aceptable.

31

Curva caracterstica de operacin

Una curva OC, o curva caracterstica de operacin,

usa la distribucin binomial de probabilidad para
determinar las probabilidades de aceptar porciones
de varios niveles de calidad.

32

Ejemplo 4

Suponga que un fabricante y un proveedor

convienen en un plan de muestreo con n =10 y el
nmero de aceptacin de 1. Cul es la
probabilidad de aceptar un lote con un 5%
defectuoso?, un lote con el 10% defectuoso?

P( X 1, n 10, .05) .599 .315 .914

P( X 1, n 10, .10) .349 .387 .736

33