CONTROL ESTADÍSTICO DE PROCESOS Ing. Christian Farías Carretero

Historia El control de Calidad es tan viejo como la propia industria. Ejemplo : Mayas – Egipcios El control Estadístico de la Calidad solo tiene dos o tres siglos de vida. Ejemplo : Gráficos de Control ( 100 años )

Historia Bernard Dudding Walter A. Shewhart General Electric Com. BS 600-1935 Technometrics Quality Progress Journal of Quality Tec Walter A. Shewhart Bell Telephone Labs American War Standard Cursos de Investigación George D. Edwards ASQC

Control de Calidad Técnicas y actividades de carácter operativo, utilizadas para satisfacer los requisitos para la calidad. Estándar ¿Conforme? SI Implantación Verificación OK NO Acción Remediadora

Defecto y No Conformidad Incumplimiento de un requisito para un uso previsto o de una expectativa razonable, incluyendo lo relacionado con la seguridad. Incumplimiento de un requisito especificado.

Medidas de Tendencia Central y de Dispersión Rango Varianza Desviación estándar Relación entre las medidas de dispersión. Media Moda Mediana

Media : Ventajas y desventajas Es el centro de gravedad de los datos. Usa todas las observaciones No es necesario clasificar los datos. Los valores extremos pueden distorsionar la figura. La media puede no ser el valor real de todas las observaciones

Moda : Ventajas y desventajas No es necesario hacer cálculos ni clasificar las observaciones. No es influenciado por valores extremos Es un valor real Puede ser visualizado los diagramas de distribución. Los datos pueden no tener moda

Moda : Ventajas y desventajas No es necesario hacer cálculos ni clasificar las observaciones. No es influenciado por valores extremos Es un valor real Puede ser visualizado los diagramas de distribución. Los datos pueden no tener moda

Mediana : Ventajas y desventajas Provee una idea de donde están localizados la mayoría de las observaciones. Es requerido poco cálculo. No es sensible a valores Externos. Los datos deben ser clasificados y ordenados. No usar todos los datos Valores extremos pueden ser importantes. La mediana tendrá más variación ( entre muestras ) que la media.

Control Estadístico de Calidad Conjunto de técnicas estadísticas usadas para medir y controlar el desempeño de los procesos. Sirve para identificar áreas de mejora en el proceso y medir la variación de las características de calidad. Objetivos y beneficios.

Control Estadístico de Calidad Mejorar la calidad Definir la capacidad o alcance del proceso. Decidir sobre las especificaciones. Decidir sobre el proceso. Decidir sobre los productos. Calcular el promedio de la calidad y controlar su cumplimiento. Objetivos

Control Estadístico de la Calidad Hacer el proceso más estable II Mejorar el proceso

Variación En la pieza misma. El equipo El material CLASES CAUSAS En la pieza misma. De una pieza a otra. De instante de tiempo a otro. El equipo El material El entorno El operario La interacción de estos Variaciones a lo largo del tiempo

Mosquete y Rifle * *

Causas fortuitas y causas atribuibles Variabilidad natural o “ ruido de fondo” Causas fortuitas Otras causas de variabilidad Causas atribuibles

Variables contra Atributos Aquellas características de calidad que son medibles Atributos Son las características de calidad y se dividen en dos grupos Satisfacen las especificaciones No las satisfacen De Variables Atributos

Pasos para una gráfica de control por variables Definir las características de calidad. Escoger el subgrupo racional Reunir los datos Calcular los limites de control y la línea central. Revisar los limites de control y la linea central. Lograr el objetivo.

Subgrupos racionales Tamaño del subgrupo. Diferencias entre grupo. Máxima Diferencias dentro del subgrupo Mínima Producidas en el mismo momento Producidas en un intervalo

Límites de Control 3 sigmas Menos de 3 sigmas: - Limites 0.001 Buenos resultados Menos de 3 sigmas: Perdidas en el proceso Costos de investigación, etc. LC = E[X] + L * σ[x] -

Principios Estadísticos Error Tipo I (α ) Riesgo de que un punto caiga fuera de los límites de control, cuando no existe una causa atribuible. Error Tipo II (β ) Riesgo de que un punto dentro de los límites de control, cuando existe una causa atribuible.

Estimación de parámetros Estimador de la media: û = 1/m * Σ Xm Estimadores de la varianza : ^ ^ 2 σ2 = 1/m* Σ σ2 σ2 = [1/d2m * Σ R ]

Distribución Normal Características: Mediana = Moda = Media Simétrica Unimodal

Distribución Normal Distribución Normal Estándar Parámetros: Media Desviación estándar Estandarización Probabilidad

Teorema de Límite Central Si Y es el promedio de n variables aleatorias, distribuidas independientemente, entonces Y tiene aproximadamente una distribución normal. La distribución mejora cuando n > 4.

Limites de Control