Profesor: Ing. Franklin Castellano Esp. en Protección y Seguridad Industrial.

Slides:



Advertisements
Presentaciones similares
Control Estadístico de la Calidad
Advertisements

Central (LC) LCS LCI Grafico U (Numero de defectos por unidad)
Control Estadístico de Procesos
Control Estadístico de Proceso Gráficos de Control
La mediana La mediana es el valor tal que el 50 % de las observaciones son menores y 50 % de ellas son mayores a dicho valor. En otra palabras, la mediana.
SIMULACIÓN DE MONTECARLO
UNIVERSIDAD "ALONSO DE OJEDA"
Profesor: Ing. Franklin Castellano Esp. en Protección y Seguridad Industrial.
UNIVERSIDAD "ALONSO DE OJEDA"
UNIVERSIDAD "ALONSO DE OJEDA"
UNIVERSIDAD "ALONSO DE OJEDA"
Profesor: Ing. Franklin Castellano Esp. en Protección y Seguridad Industrial.
Profesor: Ing. Franklin Castellano Esp. en Protección y Seguridad Industrial.
UNIVERSIDAD "ALONSO DE OJEDA"
UNIVERSIDAD "ALONSO DE OJEDA"
Grafico P (fracción de defectuosos) Grafico Pn (Numero de defectuosos)
Profesor: Ing. Franklin Castellano Esp. en Protección y Seguridad Industrial.
Contenido Control estadístico de procesos (CEP) Capacidad del proceso
MuestraMétodo a prueba Nominal Ejercicio 1. ¿Es exacto el método?
CONTROL DE PROCESOS POR VARIABLE
Medidas de Posición Central:
Ejemplo A continuación aparecen las tasas de retorno de dos fondos de inversión durante los últimos 10 años. 1. ¿Cuál es más riesgoso? 2. ¿En cuál invertiría.
CASOS DE SIDA Año 2008 Plan de Prevención y Control del Sida del País Vasco.
CONTROL ESTADÍSTICO DE CALIDAD
CONTROL ESTADÍSTICO DE PROCESOS
CONTROL ESTADÍSTICO DE PROCESOS
Evolución Tasas de Interés Promedio del Sistema Financiero *
Curso básico de Minitab*
Integrantes : INSTITUTO TECNOLÓGICO DE VILLAHERMOSA
Curso de actualización en Ingeniería de calidad
Instituto Tecnológico de Villahermosa
¡Primero mira fijo a la bruja!
Probabilidad y Estadística para CEA Mtra. Ma. Del Carmen López Munive
Six Sigma: % de Exito Una Exageración?. Cada día norteamericanos pasan por un quirófano. Un porcentaje de éxitos quirúrgicos del 99% significaría.
Gráficas de control ITST.
RELEVAMIENTO (especies mayores) PASEO GRAL. LAVALLE (entre Av. del Libertador y 25 de Mayo) Alejandro Amoruso Alfredo Jorge Etchevarne Parravicini.
JORNADA 1 DEL 24 DE MARZO AL 30 DE MARZO EQUIPO 01 VS EQUIPO 02 EQUIPO 03 VS EQUIPO 06 EQUIPO 05 VS EQUIPO 10 EQUIPO 07 DESCANSA EQUIPO 08 VS EQUIPO 13.
SIX SIGMA Y BASEL II (SEIS SIGMA Y BASILEA II).  Es una metodología diseñada por la empresa Motorola con el objetivo de reducir los defectos que se producen.
MEJORA CONTINUA SIX SIGMA..
Gráficas de control para promedio rango (X - R)
Los números. Del 0 al 100.
Gráficas de control por atributos.
HERRAMIENTAS PARA EL CONTROL ESTADÍSTICO DE CALIDAD.
Gráfica de Control Para Data Continua
Ejercicio 5-6 Inciso (a) Inciso (b) Inciso (c) Inciso (d) Inciso (e)
MUESTREO DE ACEPTACIÓN DE LOTES POR VARIABLES
Control Estadístico de la Calidad Control Estadístico de Procesos
GRAFICOS DE CONTROL POR ATRIBUTOS
Gerenciamiento Técnico de Proyectos
Que es una competencia Cual es la finalidad de las competencias En que consisten las competencias laborales Diferencia entre capacidad y competencia o.
Control de Calidad Gráficos de Control Mérida, 11/Noviembre/2008.
DEPARTAMENTO DE QUÍMICA FARMACÉUTIC
Grupo Continental Control de Procesos.
Capacidad de Proceso.
Técnicas de Calidad en el Software Sesión # 14. Control Estadístico de Calidad Control Estadístico de Calidad del Software: Es una tendencia en la industria.
Profesor: Ing. Franklin Castellano Esp. en Protección y Seguridad Industrial.
 es una palabra japonesa que designa el alisamiento del programa de producción por el volumen y el mix de productos fabricados durante un tiempo dado.
La Gestión y el Control de Procesos
7 Herramientas de Calidad
Explicar las causas que afectan la calidad. Una vez definidos y seleccionados correctamente los problemas en la gran mayoría de casos es preciso recopilar.
HEIJUNKA – SEIS SIGMA STEPHANIE DIAZ MORA.
MAESTRIA DE GESTIÓN DE LA CALIDAD Y PRODUCTIVIDAD
Importancia de la calidad en el sector empresarial
estadístico de procesos.
CONTROL ESTADÍSTICO DE PROCESOS
Control Estadístico de Procesos
Gráfica de número de no conformes (np)
 Características de calidad de tipo continuo que interesa evaluar su variabilidad (Carta R) y su tendencia central (Carta ).  Se aplica a procesos masivos.
PLANES DE MUESTREO Y GRÁFICAS DE CONTROL
UNIVERSIDAD "ALONSO DE OJEDA"
Transcripción de la presentación:

Profesor: Ing. Franklin Castellano Esp. en Protección y Seguridad Industrial

Ejercicio de especificaciones y capacidad del proceso Una fabrica de cervezas ha presentado problemas en el proceso de llenado de sus botellas tipo pilsen, el llenado de estas debe ser de 222 mlt con una tolerancia superior e inferior de 1 mlt, para determinar si el proceso esta controlado se toman 2 muestras durante 10 dias, los datos se muestran en la tabla siguiente. Determine si el proceso esta controlado, genera desperdicios o reproceso y cual es la capacidad del proceso de cumplir las especificaciones DíasX1X

Tabla de frecuencias ValorFrecuenc ia El proceso esta fuera de control generando reproceso CP= ( )/ 6*(1) = 0,33 El proceso es incapaz de cumplir con las especificaciones, requiere de modificaciones muy serias

Metodología seis sigma Seis Sigma es una metodología de mejora de procesos, centrada en la reducción de la variabilidad de los mismos, consiguiendo reducir o eliminar los defectos o fallas en la entrega de un producto o servicio al cliente. La meta de 6 Sigma es llegar a un máximo de 3,4 defectos por millón de eventos u oportunidades (DPMO), entendiéndose como defecto cualquier evento en que un producto o servicio no logra cumplir los requisitos del cliente.DPMO Seis sigma utiliza herramientas estadísticas para la caracterización y el estudio de los procesos, de ahí el nombre de la herramienta, ya que sigma es la desviación típica que da una idea de la variabilidad en un proceso y el objetivo de la metodología seis sigma es reducir ésta de modo que el proceso se encuentre siempre dentro de los límites establecidos por los requisitos del cliente.herramientas estadísticasdesviación típica

Obtener 3,4 defectos en un millón de oportunidades es una meta bastante ambiciosa pero lograble. Se puede clasificar la eficiencia de un proceso en base a su nivel de sigma: 1sigma= DPMO = 31% de eficiencia 2sigma= DPMO = 69% de eficiencia 3sigma= DPMO = 93,3% de eficiencia 4sigma= DPMO = 99,38% de eficiencia 5sigma= 233 DPMO = 99,977% de eficiencia 6sigma= 3,4 DPMO = 99,99966% de eficiencia 7sigma= 0,019 DPMO = 99, % de eficiencia

Ejemplo En una empresa de producción continua, en el área de mecanizado, una característica de calidad es la longitud de sus bujes, que debe tener una longitud mínima de 25 cm, para asegurar el cumplimiento de esta se lleva una tabla de control, en la que se mide la longitud de tres productos consecutivos de manera periódica. De acuerdo a la información suministrada por esta carta, el proceso esta en control estadístico, y se tiene que μ=26 y δ= 0,26. Determine si el proceso es capaz de cumplir las especificaciones, para una metodología normal y para la 6 sigma

La especificación dada es inferior (EI=25) Entonces CPI = (μ - EI) / 3 δ CPI= (26-25) / 3*0,26 = 1,28 El proceso es adecuado CPI < 1,33 Si se exige calidad seis sigma Entonces CPI = (μ - EI) / 6 δ CPI= (26-25) / 6*0,26 = 0,64 El proceso es totalmente inadecuado CPI < 0,67

5. Control por atributos. Tipo de graficoUso Grafico PnNumero de unidades defectuosas Grafico PFracción de unidades defectuosas Grafico CNumero de defectos Grafico UNumero de defectos por unidad

Se utiliza para determinar el numero de unidades defectuosas en una muestra, la forma de calcular el valor central y los limites es la siguiente: Grafico Pn VALORFORMULAS Central (LC)N= numero de subgrupos Pn= numero de unidades defectuosas por cada muestra Limite de Control Superior (LCS ) LCS= Pn + 3 Pn * (1-P) P= Promedio de unidades defectuosas = Pn/N*n n= numero de muestras Limite de Control inferior (LCI) LCI= Pn - 3 Pn * (1-P) Pn = Pn/ N

Ejercicio SubgruposnPn Sumatoria250068

Se utiliza para determinar la fracción de unidades defectuosas en una muestra, la forma de calcular el valor central y los limites es la siguiente Grafico P VALORFORMULAS Central (LC) LC= P= P/ N N= Numero de subgrupos P= Fracción de unidades defectuosas por cada muestra P= Promedio de fracción de unidades defectuosas Limite de Control Superior (LCS ) LCS= P + 3 P * (1-P)/n Limite de Control inferior (LCI) LCI= P - 3 P * (1-P)/n

Ejercicio SubgruposnPnP , , , , , , , , , , , , , , , , , , , , , ,03 Sumatoria ,68

Se utiliza para determinar el numero de defectos o no conformidades en varios subgrupos, la forma de calcular el valor central y los limites es la siguiente: Grafico C VALORFORMULAS Central (LC) LC= C= C/ N N= numero de subgrupos, C= Nº de no conformidades por cada subgrupo C= Promedio de no conformidades por subgrupo Limite de Control Superior (LCS ) LCS= C + 3 C Limite de Control inferior (LCI) LCI= C - 3 C

Nº de SerieNo conformidades MY1027 MY1036 MY1046 MY1053 MY10620 MY1078 MY1086 MY1091 MY1100 MY1115 MY11214 MY1133 MY1141 MY1153 MY1162 MY1177 MY1185 MY1197 MY1202 MY1218 MY1220 MY1234 MY12414 MY1254 MY1265 Sumatoria141 Ejercicio

Se utiliza para determinar el numero de defectos o no conformidades por unidad, la forma de calcular el valor central y los limites es la siguiente: Grafico U VALORFORMULAS Central (LC) LC= U= C/ n C= Nº de no conformidades por cada subgrupo U= Promedio de no conformidades por unidad n= Cantidad inspeccionada en cada subgrupo Limite de Control Superior (LCS ) LCS= U + 3 U / n Limite de Control inferior (LCI) LCI= U - 3 U / n

Nº Inspeccion Cantidad inspeccionada No conformidades No conformidades por unidad , , , , , , , , , ,26 Sumatoria Ejercicio

Nº Inspección Cantidad inspeccionada No conformidades No conformidades por unidad LCSLCI ,091,550, ,151,600, ,931,570, ,411,540, ,391,550, ,461,670, ,191,530, ,371,560, ,951,560, ,261,540,92 Sumatoria