UNIVERSIDAD "ALONSO DE OJEDA"

Slides:



Advertisements
Presentaciones similares
Central (LC) LCS LCI Grafico U (Numero de defectos por unidad)
Advertisements

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.
MÉTODOS ESTADÍSTICOS.
Gráficas de control ITST.
Medidas de dispersión y variabilidad
Gráficas de control para promedio rango (X - R)
Gráfica de Control Para Data Continua
Control Estadístico de la Calidad Control Estadístico de Procesos
Gerenciamiento Técnico de Proyectos
Page 1 ESCUELA SUPERIOR POLITECNICA DE CHIMBORAZO FACULTAD DE INFORMATICA Y ELECTRONICA ESCUELA DE DISEÑO GRAFICO ESTADISTICA TEMA: estadista, entendimiento.
MEDIDAS DE DISPERSIÓN. La dispersión es la variación en un conjunto de datos que proporciona información adicional y permite juzgar la confiabilidad de.
Profesor: Ing. Franklin Castellano Esp. en Protección y Seguridad Industrial.
ESTADÍSTICA DESCRIPTIVA
Tema 3: Distribuciones bidimensionales: Relación estre dos variables estadísticas Relación estadísca: Correlación Diagramas de dispersión.
ESTADÍSTICA DESCRIPTIVA MEDIDAS DE VARIABILIDAD Psic. Gerardo A. Valderrama M.
TEMA 3: ESTADÍSTICA BIDIMENSIONAL. ÍNDICE: 1.- Relación estadística: correlación. 2.- Diagramas de dispersión o nube de puntos. 3.- Tablas de frecuencia.
1. Parámetros estadísticos: Medidas de Centralización: Medias, moda y Mediana Medidas de Posición:Cuartiles,Deciles,Centiles Medidas de Dispersión: Rango,
Medidas de centralización:  Media aritmética, mediana y moda para: i) listas de datos ii) datos agrupados en una tabla de frecuencia iii) datos agrupados.
PPTCEG049EM32-A16V1 Distribución normal EM-32. Recordemos… -¿Cómo se calcula el valor esperado para una determinada variable aleatoria? -¿Cómo es posible.
PPTCES047MT22-A16V1 Clase Medidas de dispersión y muestreo MT-22.
Control estadístico de procesos. Francisco Javier Miranda González CAPÍTULO 5.
1.3.1Media aritmética, geométrica y ponderada 1.3.2Mediana 1.3.2Moda Regresar.
1  Las medidas de dispersión miden la variabilidad de los datos con relación a una medida de tendencia central.  Las medidas descriptivas más comunes.
1 Ejemplo Consideremos los datos de un estudio donde se les mide la talla en centímetros a 20 jugadores del equipo Nacional de Handbol de EE. UU. seleccionados.
ESCUELA PROFESIONAL CIENCIA POLITICA Y GOBIERNO
Material de estudio de Datos y Azar
TABLAS DE FRECUENCIAS CON DATOS AGRUPADOS 8° BÁSICO
GRAFICAS DE CONTROL X-R
Profesora: Susana Abraham C.
UNIDAD 4: ESTADÍSTICA Y PROBABILIDAD
Medidas de Tendencia Central
ESTADÍSTICA UNIDIMENSIONAL
ESTADÍSTICA DESCRIPTIVA: OBTENCIÓN Y ORGANIZACIÓN DE LOS DATOS
CONCEPTOS BASICOS ESTADISTICA.-Conjunto de métodos que nos permiten tomar decisiones en momentos de incertidumbre (duda). Tiene como objetivo que la información.
ESTADÍSTICA BIDIMENSIONAL
DISTRIBUCIONES BIDIMENSIONALES
Graficas de control para variables
Medidas de tendencia central y dispersión
Estimación de volatilidades
Medidas de Dispersión. Las medidas de tendencia central tienen como objetivo el sintetizar los datos en un valor representativo, las medidas de dispersión.
ETAPA DE ANÁLISIS E INTERPRETACIÓN DE DATOS: MEDIDAS DE RESUMEN
Principios de Estadística
UNIVERSIDAD "ALONSO DE OJEDA"
INGENIERIA Y CONTROL DE LA CALIDAD CONTROL ESTADISTICO DEL PROCESO GRAFICAS DE CONTROL PARA DEFECTOS.
Universidad Peruana de Ciencias Aplicadas Matemática Básica (C.C.) Sesión 13.1 Ciclo
ANÁLISIS DE DATOS MAESTRÍA EN RECURSOS HUMANOS. MAPA CONCEPTUAL Análisis de Datos Tipos de datos Arreglo ordenado Distribución de frecuencias Distribución.
Medidas de Tendencia Central
UNIVERSIDAD "ALONSO DE OJEDA"
ESTADÍSTICA BIDIMENSIONAL
Operador de Suma La Letra Griega ∑ (sigma) se usa para indicar una suma, de manera qué:
Medidas de Dispersión Las medidas de dispersión nos informan sobre cuánto se alejan del centro los valores de la distribución con respecto de su media.
PROBABILIDAD Y ESTADÍSTICA ING. KARINA REAL A. NO-3-6 NO-3-7 Presentación de la Información Estadística.
ESTADISTICA MEDIDAS DE DISPERSIÓN Cristian Gómez Coordinar Técnico Calidad Laboratorio Labsai.
Universidad Técnica de Ambato Facultad de Contabilidad y Auditoría Gestión de la Calidad Tema : Cartas de control para variables Integrantes : - Jonathan.
URBINA GUADARRAMA GILBERTO MORENO CONTRERAS TANGANXOAN ZUANGUA
DISTRIBUCIÓN DE FRECUENCIAS Una distribución de frecuencias o tabla de frecuencias es una ordenación en forma de tabla de los datos estadísticos, asignando.
INTRODUCCIÓN A LAS CARTAS DE CONTROL
CAPITULO 3: MEDIDAS DE VARIABILIDAD Y ASIMETRÍA
DISTRIBUCION NORMAL. Una de las distribuciones de frecuencia más importantes en la estadística es la distribución normal La distribución de probabilidad.
MEDIDAS DE DISPERSIÓN “Medidas de dispersión”. Miden qué tanto se dispersan las observaciones alrededor de su media. MEDIDAS DE DISPERSIÓN.
Medidas de variabilidad o dispersión RANGO-DESVIACIÓN ESTÁNDAR- VARIANZA-COEFICIENTE DE VARIACIÓN- RANGO INTERCUARTÍLICO.
Integrantes: Ing. Ángel Meza. C.I Ing. Luis Martínez.C.I Ing. Simón Felce.C.I Universidad Nororiental Privada “GRAN.
1 Afectados de cierto grado de INCERTIDUMBRE SIEMPRE HAY UN ERROR EN SU MEDIDA ESTABLECER LA FIABILIDAD DE LOS DATOS ¿Podemos evaluar la magnitud del error.
Menú principal Terminar presentación Ejercicio 5-6 El peso neto (en oz) de un producto blanqueador se va a monitorear con una gráfica de control utilizando.
UNIVERSIDAD AUTÓNOMA DE NUEVO LEÓN FACULTAD DE CIENCIAS QUÍMICAS INGENIERÍA QUÍMICA INTEGRANTES: DE LA CRUZ SANTIAGO, MARI PAZ GARZA CRUZ, GERSON.
VARIANZA Y Y COVARIANZA DE VARIABLES ALEATORIAS Estadística II MI. MARTHA PAMELA RAMÍREZ VELA ITESM CAMPUS SALTILLO 1.
ANÁLISIS DE ALIMENTOS I. MILITARY STANDART. MUESTREO POR ACEPATACIÓN
Transcripción de la presentación:

UNIVERSIDAD "ALONSO DE OJEDA" Facultad de Ingenieria Escuela de Ingenieria Industrial CONTROL DE CALIDAD Profesor: Ing. Franklin Castellano Esp. en Protección y Seguridad Industrial

Ejercicio Una empresa de mecanizado desea determinar la relación entre la experiencia de sus operadores de torno y el numero de piezas defectuosas que elabora para esto se hacen observaciones durante 30 dias de 10 operadores de diferentes años de trabajo, Oper Experiencia (años) Nº defectuosos 1 14 3 2 12 6 10 4 9 5 8 7

Dato espurio Posible correlación negativa, a mayor experiencia menos productos defectuosos

Oper Experiencia (años) Nº defectuosos X² Y² X*Y 1 14 3 196 9 42 2 12 6 144 36 72 10 4 100 16 40 81 54 5 8 64 24 7 49 56 25 680 374 366

Numerador (Covarianza) S(xy) √ S(xx)* S(yy) r= Numerador (Covarianza) S(xy) = ∑ Xi*Yi – ( ∑ Xi * ∑ Yi/n) = 366 – (72* 56)/ 10 S(xy) = -37,2 Denominador (Varianzas) S(xx)= ∑ Xi ² - (∑ Xi)² /n = 680 – (72)²/10 = 161,6 S(yy)= ∑ Yi ² - (∑ Yi )² /n =374 – (56)²/10= 60,4 r = S(xy)/√ S(xx)* S(yy) = -37,2/√ 161,6 * 60,4 = -0,3765

Gráficos de control Una grafica de control consiste en una linea central y un par de limites de control colocados uno por encima de la línea central y otro por debajo, y en unos valores característicos registrados en la grafica que representa el estado del proceso. Si todos los valores entran dentro de los limites de control se puede decir que el proceso esta controlado, si están fuera de los limites o muestran una forma peculiar, se dice que el proceso esta fuera de control

Tipos de Gráficos de control VALOR CARATERISTICO NOMBRE Valor continuo Grafica - R (valor promedio y rango) Grafica x (variable de medida) Valor discreto Grafica pn (numero de unidades defectuosas) Grafica p (fracción de unidades defectuosas) Grafica c (numero de defectos) Grafica u (numero de defectos por unidad) X

Grafica - R (valor promedio y rango) X Se usa para controlar y analizar un proceso en el cual la característica de calidad del producto que se esta midiendo toma valores continuos, tales como longitud, peso, concentración, entre otros y esta proporciona la mayor cantidad de información sobre el proceso, representa el valor promedio de un subgrupo y R representa el rango del subgrupo. X Formulas Limite de control superior= LCS = + A2 R Valor Central = Limite de control inferior = LCI = – A2 R R Limite de control superior= LCS = D4 R Valor Central =R Limite de control inferior = LCI = D3 R X X X X

Como elaborar una Gráfica de control 1. Registro de datos Se divide la muestra en subgrupos de 4 o 5 datos cada uno, de manera uniforme, el tamaño del grupo es entre 2 y 10 en la mayoría de los casos Subgrupos X1 X2 X3 X4 X5 1 47 32 44 20 2 19 37 31 25 34 3 11 16 4 29 42 59 38 5 28 12 45 36 6 40 35 33 7 15 30 26 8 9 27 10 23

2. Calculo de la media ( ) X X = (X1 + X2 + X3 + X4 + X5) / n = 35 3. Calculo del promedio bruto ( ) X N=10 X = (X1 + X2 +………..Xn) / N = 30,12 4. Calculo del rango ( R ) R= Max – Min = (47-20) = 27 5. Calculo del rango promedio ( R ) R = (R1 + R2 +………..Rn) / N = 26,3 N=10

X = 30,12 R = 26,3 Subgrupos X1 X2 X3 X4 X5 Suma X Media Rango 1 47 32 44 20 175 35 27 2 19 37 31 25 34 146 29,2 18 3 11 16 101 20,2 33 4 29 42 59 38 197 39,4 30 5 28 12 45 36 6 40 157 31,4 7 15 26 116 23,2 21 8 160 9 145 17 10 23 163 32,6 22 X = 30,12 R = 26,3

5. Calculo de los limites de control Grafica X Limite de control superior= LCS = + A2 R = 30,12 + 0,577* 26,3 = 45,3 Valor Central = = 30,12 Limite de control inferior = LCI = – A2 R = 30,12 - 0,577* 26,3 = 14,9 X X X Grafica R Limite de control superior= LCS = D4 R = 2,115*26,3=55,6 Valor Central =R = 26,3 Limite de control inferior = LCI = D3 R = No se considera Los valores de A2, D3 y D4 son los coeficientes determinados para el tamaño del subgrupo, y se toman de la tabla siguiente

COEFICIENTES PARA LAS GRAFICAS X - R

6. Elaboración del grafico

Lectura de los gráficos de control 1.- Fuera de control Se dice que un proceso o variable esta fuera de control cuando varios puntos caen fuera de los limites de control, la cantidad de puntos que pueden determinar esto dependerá de la cantidad de datos considerados, que un solo punto caiga fuera de los limites no es determinante para decidir que la variable estudiada esta fuera de control, esto podría tratarse de una desviación aleatoria producto de un hecho fortuito no controlado

2.- Racha La racha es una secuencia de puntos a un lado de la línea central, el numero de puntos consecutivos se llama longitud de la racha. Una longitud de 7 puntos se considera normal, se consideran anormales los siguientes casos: Al menos 10 de 11 puntos consecutivos ocurren del mismo lado de la línea central Al menos 12 de 14 puntos consecutivos ocurren del mismo lado de la línea central Al menos 16 de 20 puntos consecutivos ocurren del mismo lado de la línea central

3.- Tendencia La tendencia es una serie consecutiva de puntos en forma ascendente o descendente, que sin salirse de los limites permiten advertir a la organización sobre como el desarrollo del proceso esta alejándose progresivamente del valor medio esperado hasta llegar a salirse de control, en cualquiera de los casos puede convertirse en una desviación en el proceso.

4.- Acercamiento a límites de control Cuando 2 de 3 puntos se acercan a las líneas limites, se puede considerar que el proceso aunque esta controlado no se desarrolla en forma normal

5.- Acercamiento a línea central Aunque se puede pensar que un grafico de control de esta forma indica que el proceso es normal y esta controlado, ya que sus valores están agrupados alrededor de la media, no siempre es así, esto se debe a una mezcla de la información de diferentes poblaciones en los subgrupos, lo cual hace que los limites de control sean demasiado amplios

6.- Periodicidad También se considera como anormal que el grafico muestre la línea de desarrollo con tendencias ascendentes y descendentes alternadas en intervalos casi iguales

EJERCICIO Para investigar el perfil de variación de ciertas partes de un proceso de maquinado, se midieron las dimensiones de las partes 4 veces al dia, a las 9:00, a las 11:00, alas 14:00 y a las 16:00. Determine si el proceso es normal y esta controlado Dias 9 11 14 16 1 52,5 52,9 53,5 2 53 52,8 52,4 3 52,7 4 5 53,1 6 52,6 53,4 53,3 7 53,6 8 10 53,2

1. Registro de datos N X1 X2 X3 X4 Suma X Media Rango 1 52,5 52,9 53,5 211,8 53,0 2 53 52,8 52,4 211,7 1,1 3 52,7 211,2 0,2 4 211,6 5 53,1 211,5 0,4 6 52,6 53,4 53,3 212,4 0,8 7 53,6 212,6 53,2 0,9 8 9 212,7 0,3 10 0,5 Promedio 0,6

2. Calculo de la media ( ) X X = (X1 + X2 + X3 + X4) / n = 53 3. Calculo del promedio bruto ( ) X X = (X1 + X2 +………..Xn) / N = 53 N=10 4. Calculo del rango ( R ) R= Max – Min = (53,5-52,5) = 1

4. Calculo del rango promedio ( R ) R = (R1 + R2 +………..Rn) / N = 0,6 N=10 5. Calculo de los limites de control Grafica X Limite de control superior= LCS = + A2 R = 53 + 0,73* 0,6 = 53,44 Valor Central = = 53 Limite de control inferior = LCI = – A2 R = 53- 0,73* 0,6 = 52,56 X X X Grafica R Limite de control superior= LCS = D4 R = 2,3*0,6=1,38 Valor Central =R = 0,6 Limite de control inferior = LCI = D3 R = No se considera

Análisis: El proceso esta controlado pero no es normal, se presentan rachas de valores por periodos sobre o bajo la media, también hay puntos en el grafico R cercanos a los limites de control