instituto tecnologico de la laguna topicos de la calidad ii

24
INSTITUTO TECNOLOGICO DE LA LAGUNA TOPICOS DE LA INGENIERIA DE CALIDAD II UNIDAD 3 “ TECNICAS DE SHAININ” LOPEZ GARCIA ANGELES ISABEL RODRIGUEZ CAMPOS FRANCISCO JAVIER HERNANDEZ ROSALES LUIS LEONEL CATEDRATICO: DRA. ADELA MENDOZA MARTINEZ INGENIERIA INDUSTRIAL TORREON , COAHUILA SEMESTRE AGOSTO – DICIEMBRE 201

Upload: isabel-garcia

Post on 05-Jul-2015

1.116 views

Category:

Documents


17 download

TRANSCRIPT

Page 1: Instituto tecnologico de la laguna topicos de la calidad II

INSTITUTO TECNOLOGICO DE LA LAGUNA

TOPICOS DE LA INGENIERIA DE CALIDAD II

UNIDAD 3 “ TECNICAS DE SHAININ”

LOPEZ GARCIA ANGELES ISABEL

RODRIGUEZ CAMPOS FRANCISCO JAVIER HERNANDEZ ROSALES LUIS LEONEL

CATEDRATICO: DRA. ADELA MENDOZA MARTINEZ

INGENIERIA INDUSTRIAL

TORREON , COAHUILA SEMESTRE AGOSTO – DICIEMBRE 201

Page 2: Instituto tecnologico de la laguna topicos de la calidad II

3.1 INTRODUCCION

Dorian Shainin nació en San Francisco, el 26 de septiembre de 1914. Creció en San Francisco, Shangai y Nueva York. Asistió a Erasmus Hall High School en

Brooklyn, Nueva York. Después de graduarse como ingeniero aeronáutico en el Instituto Tecnológico de Massachusetts (MIT) en 1936, Shainin trabajó como diseñador en la división de

Hamilton Standard de United Aircraft Corporation. En 1939 la industria de Estados Unidos se había enfocado en los esfuerzos para

la guerra, y Shainin se convirtió en coordinador de licencias responsable de ayudar a nuevos representantes con licencia de Hamilton Standard a resolver problemas. Para el final de la guerra, Shainin estaba a cargo de la calidad y confiabilidad de Hamilton Standard, y había ganado reconocimiento a nivel

nacional por haber inventado el Lot Plot de Hamilton Standard.

3.2 HERRAMIENTAS DE DIAGNOSTICO SHAININ

1.- LOT PLOT

Lot Plot es el nombre de un método estadístico para muestreos de aceptación desarrollado por Dorian Shainin en los años 40. Esta técnica estadística usa

análisis gráfico de datos de muestras variables para determinar si un lote consistente de partes potencialmente malas puede ser aceptado o enviado a una

inspección al 100%. ZShainin incorporó la aplicación de técnicas estadísticas para manufactura y

mostró la efectividad de la presentación y análisis de datos de forma gráfica su desarrollo del Lot Plot.

Page 3: Instituto tecnologico de la laguna topicos de la calidad II

METODO SHAININ

Usado para resolver problemas crónicos de forma estable: 1) Definir el Problema.

2) Buscar pistas como causas potenciales. 3) Validar cuales causas son las más importantes.

4) Optimizar. 5) Salvaguardad la optimización.

El método de Shainin puede ser usado para complementar la metodología Seis Sigma, ya que es muy efectivo en la fase de análisis del DMAIC

Shainin también ofrece certificaciones y cuenta con tres niveles, que son 1. Apprentice (aprendiz) 2.Journeyman (oficial)

3.Shainin Master (maestro)

7 HERRAMIENTAS DE SHAININ Cartas Multivariables.

• Búsqueda de Componentes. • Comparaciones Apareadas.

• Búsqueda de Variables. • Factoriales Completos.

• B vs C. • Diagramas de dispersión

1.- MULTI-VARI CHARTS

Gráficos Multi-vari fueron descritos por primera vez por Leonard Seder en 1950, a pesar de que se han desarrollado de forma independiente por múltiples fuentes.

Se inspiraron en el mercado de valores gráficos de velas o abierto-alto-bajo-cierre gráficos.

En su concepción inicial, el gráfico de múltiples variables se asemeja a un gráfico de control Shewhart individuos con las siguientes diferencias:

La característica de calidad de interés se mide en dos extremos (en torno a su

diámetro, a lo largo de su longitud, o a través de su superficie) y estas mediciones se representan como líneas verticales que conectan los valores mínimo y máximo

en el tiempo. La característica de calidad de interés se representa a través de tres paneles

horizontales que representan: Variabilidad en una sola pieza

Variabilidad pieza a pieza Variabilidad del tiempo en cuando

Page 4: Instituto tecnologico de la laguna topicos de la calidad II

La característica de calidad de interés se representa frente superior e inferior de las especificaciones en lugar de límites de control .

Los tres paneles se interpretan de la siguiente manera:

Más recientemente, el término "multi-vari gráfico" se ha usado para describir una forma visual para mostrar el análisis de varianza de datos (por lo general se

expresa en forma de tabla).Se compone de una serie de paneles que retratan mínimo, significa, y las respuestas máximas para cada combinación de tratamiento

de interés en lugar de para períodos de tiempo.

Debido a que es una representación bidimensional de múltiples dimensiones (uno para cada factor en el ANOVA), el gráfico de múltiples variables sólo es útil para la

comparación de la variabilidad entre un máximo de cuatro factores. El gráfico se compone de lo siguiente:

Un panel horizontal en cada nivel del factor exterior

Un grupo de puntos que representan el mínimo, la media, y las respuestas máximas de la combinación de tratamiento en particular, conectados por líneas

para cada nivel del factor más interna

En el caso de los cuatro factores, paneles verticales para cada nivel de la siguiente factor más interna.

Panel Condición La acción correctiva

Variabilidad en una sola pieza

Las longitudes de las líneas verticales (es decir, el rango ) excediera de la mitad de las especificaciones (o más)

Reparación o realineación de la herramienta

Variabilidad pieza a pieza

Dispersión excesiva

Examine las entradas del proceso de excesiva variabilidad del largo de las líneas verticales son las estimaciones de la capacidad de proceso

Variabilidad del tiempo en cuando

Apariencia de un proceso no estacionario

Examine las entradas o pasos para la evidencia de los cambios o derivas de proceso

Page 5: Instituto tecnologico de la laguna topicos de la calidad II

Al igual que con los gráficos de control , el eje vertical representa la característica de calidad de interés (o la respuesta experimental)

2.- COMPARACION PAREADA

Es similar a la prueba pareada de diferenciación, sólo que cuando es de tipo afectiva se utilizan jueces no adiestrados y se solicita que expresen cual de las

muestras le agrada más. Los resultados se procesan de la misma manera que la prueba pareada de dos colas. El método mas común de una prueba de

degustación es la comparación pareada. Se pide al consumidor que pruebe dos productos diferentes y que seleccione el del sabor mas atractivo. La prueba se

realiza en privado, ya sea en hogares o en otros sitios

Consiste en evaluar simultáneamente dos muestras, con el objetivo de determinar si existe diferencia perceptible entre ellas. n Se puede presentar un par o una serie de pares, teniendo en cuenta que sólo se distingan entre sí por la variable objeto de estudio. n Cada muestra se presentará codificada y en orden balanceado, de tal manera que cada una de ellas aparezca igual número de veces en la posición

derecha e izquierda del par. n La prueba es fácil de realizar, requiere de poca cantidad de muestras, y el agotamiento del juez es relativamente bajo

PANELES DE EVALUACION SENSORIAL

Los paneles de evaluación sensorial se agrupan en 3 tipos: Paneles de expertos altamente adiestrados. Paneles de laboratorio (jueces entrenados) y Paneles de

consumidores (utiliza un número grande de jueces no entrenados). Los dos primeros se utilizan en control de calidad en el desarrollo de nuevos productos o

para medir cambios en la composición del producto. Los paneles de consumidores se utilizan más para determinar la reacción del consumidor hacia el producto. Se requiere de un área especial, donde se eviten distracciones y se puedan

controlar las condiciones deseadas. Un producto se puede evaluar en una mesa, en la esquina de un cuarto, pero las interrupciones y distracciones no favorecen un

buen análisis. Un laboratorio de análisis sensorial debe contar con 2 áreas, a saber: Área de preparación y área de prueba, separadas la una de la otra. Los panelistas no deben entrar al área de preparación para evitar influencias en la evaluación. Generalmente, en el área de prueba, los panelistas se ubican en

cabinas individuales que, de acuerdo con la facilidad, pueden ser divisiones sobre una mesa o módulos con bisagras.

Las muestras que se presentan al panelista deben ser típicas del producto, idénticas hasta donde sea posible, excepto en la características por la que

se juzga, o sea, que tenga igual forma (redonda o picada o en puré o molida), en recipientes de igual forma, tamaño, color y tener presente que el

material donde se sirve la muestra no transmita olores.

Page 6: Instituto tecnologico de la laguna topicos de la calidad II

3.-RED X Y PARETO

El proceso de mejora continua es un concepto XX que pretende mejorar los productos, servicios y procesos. Postula que es una actitud general que debe ser

la base para asegurar la estabilización del proceso y la posibilidad de mejora. Cuando hay crecimiento y desarrollo en una organización o comunidad, es

necesaria la identificación de procesos y el análisis mensurable de cada paso llevado a cabo.

Algunas de las herramientas utilizadas incluyen las acciones correctivas, preventivas y el análisis de la satisfacción en los miembros o clientes. Se trata de la forma más efectiva de mejora de la calidad y la eficiencia en las organizaciones.

En el caso de empresas, los sistemas de gestión de calidad, normas ISO y sistemas de evaluación ambiental, se utilizan para conseguir calidad total. utiliza

básicamente 6 pilares para su desarrollo:

El desarrollo del concepto de la “Red X” de Shainin fue originado por su asociación con Joseph Juran. En los 40’s Juran acuñó y popularizó la noción de “los pocos vitales y los muchos triviales”, también conocido como “el Principio de Pareto”,

reconociendo el impacto desigual de los problemas en el desempeño de negocios, siendo el mismo fenómeno que Wilfredo Pareto había observado con respecto a la

distribución de la riqueza En los 50s, Shainin encontró que el principio de Pareto podía ser aplicado

efectivamente para la solución de problemas de variación. Shainin concluyó que, entre las miles de variables que podrían causar un cambio en el valor de una

salida, una sola relación causa-efecto debía ser más fuerte que las otras. Shainin llamó a esta causa primaria la “Big Red X” (Gran X Roja) y demostró que la causa

puede existir como una interacción entre variables independientes El efecto de la Red X es entonces aumentado por la ley de la raíz cuadrada de la

suma de cuadrados, y de esa manera, aislando la causa raíz. Shainin aseveró que su aplicación de métodos estadísticos era más eficiente en costo y más simple que los métodos de Taguchi. Para determinar la “Red X”, Shainin intercambiaba

pares de partes entre equipo funcional y en mal estado hasta que la parte responsable de la falla era descubierta. Shainin decía que el podía muy seguido

encontrar la primera parte defectuosa dentro de una docena de intercambios entre pares.

La filosofía de Shainin de “hablar con las partes” fue el primer distintivo que diferenció sus métodos de los de Taguchi. En el Diseño de Experimentos (DOE)

de Taguchi, los ingenieros hacen lluvias de ideas para formar hipótesis acerca de las posibles causas de los problemas. Los métodos de Shainin eliminan el paso

teórico, requiriendo primero el diagnóstico de las causas por medio de una o más técnicas de generación de pistas diseñadas para determinar, a través de pruebas

empíricas de las partes reales en cuestión, la causa raíz, o “Red X”.

Page 7: Instituto tecnologico de la laguna topicos de la calidad II

4.- FACTORIALES COMPLETOS

En estadística, un experimento factorial completo es un experimento cuyo

diseño consta de dos o más factores, cada uno de los cuales con distintos

valores o niveles, cuyas unidades experimentales cubren todas las posibles

combinaciones de esos niveles en todo los factores. Este tipo de

experimentos permiten el estudio del efecto de cada factor sobre la varible

respuesta, así como el efecto de las interacciones entre factores sobre

dicha variable.

Por ejemplo, con dos factores y dos niveles en cada factor, un experimento

factorial tendría en total cuatro combinaciones de tratamiento, y se le

denominaría diseño factorial de 2×2.

Si el número de combinaciones en un diseño factorial completo es

demasiado alto para su procesamiento, puede optarse por un diseño

factorial fraccional, en el que se omitan algunas de las combinaciones

posibles.

5.- B VS C

prueba muy simple y de gran alcance.Se basa en una clasificación de las 6

muestras tomadas.Básicamente, existen 20 combinaciones de 6 muestras

tomadas a 3 a la vez.Hay un 1 en 20 (5%) de que todos los B sería un

puesto mas alto que el del C, debido a la casualidad.

Si es todo el B es más alto que el de C, entonces podemos afirmar con un

95 % de confianza que hemos mejorado el proceso.Muchos estudios

atmosféricos actuales utilizan herramientas estadísticas paramétricas para

analizar los resultados. Los investigadores no deben pasar por alto las

herramientas no paramétricas para capear el análisis de datos. Análisis no

paramétrico puede se especialmente útil en la intemperie estudios sobre

cuestiones de apariencia y las evaluaciones visuales para la clasificación

aceptabilidad.

Planteamientos lógicos de Shainin a los procesos de producción también

puede representar herramientas valiosas para la investigación de los

procesos de meteorización.

Una de estas herramientas incluye el "paquete de prueba 6." La

clasificación se asocia entonces con la entrada variables. Las

probabilidades asociadas con un orden específico son entonces evaluado.

Page 8: Instituto tecnologico de la laguna topicos de la calidad II

6.- DIAGRAMA DE DISPERCION

Un diagrama de dispersión es un tipo de diagrama matemático que utiliza las

coordenadas cartesianas para mostrar los valores de dos variables para un

conjunto de datos.Los datos se muestran como un conjunto de puntos, cada uno

con el valor de una variable que determina la posición en el eje horizontal y el

valor de la otra variable determinado por la posición en el eje vertical. Un diagrama

de dispersión se llama también gráfico de dispersión.Se emplea cuando una

variable está bajo el control del experimentador. Si existe un parámetro que se

incrementa o disminuye de forma sistemática por el experimentador, se le

denomina parámetro de control o variable independiente = eje de x y

habitualmente se representa a lo largo del eje horizontal. La variable medida o

dependiente = eje de y usualmente se representa a lo largo del eje vertical. Si no

existe una variable dependiente, cualquier variable se puede representar en cada

eje y el diagrama de dispersión mostrará el grado de correlación (no causalidad)

entre las dos variables.

Uno de los aspectos más poderosos de un gráfico de dispersión, sin embargo, es

su capacidad para mostrar las relaciones no lineales entre las variables. Además,

si los datos son representados por un modelo de mezcla de relaciones simples,

estas relaciones son visualmente evidentes como patrones superpuestos. El

diagrama de dispersión es una de las herramientas básicas de control de calidad,

que incluyen además el histograma, el diagrama de Pareto, la hoja de verificación,

los gráficos de control, el diagrama de Ishikawa y el (diagrama de flujo).

En las distribuciones bidimensionales a cada individuo le corresponden los valores

de dos variables, las representamos por el par (xi, yi).Si representamos cada par

de valores como las coordenadas de un punto, el conjunto de todos ellos se llama

nube de puntos o diagrama de dispersión.Sobre la nube de puntos puede trazarse

una recta que se ajuste a ellos lo mejor posible, llamada recta de regresión.

Page 9: Instituto tecnologico de la laguna topicos de la calidad II

1.- Correlación directa

La recta correspondiente a la nube de puntos de la distribución es una recta

creciente

2.- Correlación inversa

La recta correspondiente a la nube de puntos de la distribución es una recta

decreciente

Page 10: Instituto tecnologico de la laguna topicos de la calidad II

3.- Correlación nula

En este caso se dice que las variables son incorreladas y la nube de puntos tiene

una forma redondeada

7.- COMPARACIONDE PROCESOS

La Comparación de Procesos se centra en procesos de producción

seleccionados del negocio en lugar de atender al negocio en su conjunto.

La premisa detrás del análisis consiste en que, mediante la identificación de

los procesos que constituyen las mejores prácticas y la comparación de los

procesos reales que utiliza la firma, los directivos pueden mejorar el

desempeño de subsistemas –llevando a un mejor desempeño general. El

objetivo de la comparación de procesos consiste en mejorar distintas

etapas del proceso de producción y mejorar la eficiencia al “aprender de

otros”. Compartir experiencias es un paso de vital importancia para el éxito

de esta técnica .Por ejemplo, al comparar indicadores principales

específicos (y los procedimientos que actualmente se utilizan y que afectan

a dichos indicadores) correspondientes a un conjunto de empresas de

servicios, es de esperar que puedan identificarse las mejores prácticas y

transferírselas a los prestadores con desempeño más débil, que deberían

adoptarlas para poder incrementar su eficiencia.

Por lo tanto, la Comparación de Procesos constituye un mecanismo de

identificación de procedimientos de trabajo específicos que podrían

mejorarse a través de la imitación de ejemplos externos de excelencia.

Page 11: Instituto tecnologico de la laguna topicos de la calidad II

APLICACIÓN DEL MODELO DE EXPERIMENTACION SHAININ EN UN

INGENIO AZUCARERO DEL VALLE DEL CAUCA

En esta sección se realiza una descripción general del proceso de producción de

azúcar en un Ingenio, en el cual se aplicó la metodología de Shainin con el fin de

lograr un aumento en el nivel de extracción de la fábrica. Este sistema productivo

está diseñado en línea, y sus etapas más importantes pueden ser observadas en

forma esquemática en la Figura.

Esta investigación se concentró principalmente en el comportamiento de la

eficiencia de extracción del primer molino, que mostraba un rendimiento del 57.5

%, debido a que mediante su incremento se lograría impulsar la extracción global

del tándem de molienda, que alcanzaba un 95.1%, lo que se vería reflejado en un

aumento en 27.000 quintales de azúcar de la producción del ingenio

En esta metodología de experimentación se involucraron el ajuste del molino 1; la

presión hidráulica en los cabezotes del molino 1 y las velocidades de las picadoras

I y II, como factores controlables de experimentación.

En la Tabla se observan los niveles alto y bajo para cada uno de los factores

controlables seleccionados anteriormente, sin tener en cuenta el tipo de corte

debido a que esta filosofía está enfocada al estudio de las variables controlables y

no involucra el

análisis de las

variables ruido del

sistema.

Page 12: Instituto tecnologico de la laguna topicos de la calidad II

En la Tabla se muestran los resultados de esta etapa, junto con los límites de

control propuestos por Shainin. Es importante explicar que cuando en la Tabla

aparezca por ejemplo APRN significa que en esa corrida la variable A se probó al

nivel propuesto mientras los otros factores se mantuvieron a sus niveles normales.

De la Tabla anterior se puede concluir con un nivel de confianza del 97.5% que los

factores altamente significantes con respecto al porcentaje de extracción del

molino 1 son la velocidad de la picadora II, el ajuste de salida y la presión

hidráulica aplicada a los cabezotes del molino, debido a que como se observa al

cambiarse los niveles de estos factores los resultados caen por fuera de los límites

de control.

A continuación se realiza el análisis de un diseño factorial completo 2, con el cual

se trata de identificar los mejores niveles de operación para las variables que

mostraron algún efecto significante sobre la variable respuesta. En la Tabla se

muestra la matriz experimental seleccionada para llevar a cabo este análisis, junto

a los resultados obtenidos para cada una de las réplicas experimentales.

Page 13: Instituto tecnologico de la laguna topicos de la calidad II

A los datos de la Tabla anterior se les realizó el ANOVA propuesto en la

metodología Shainin. De acuerdo a ese análisis se pudo concluir que los factores

que más influyen en el porcentaje de extracción son el ajuste de salida y la presión

hidráulica junto con una posible interacción entre la picadora II y el ajuste de

salida, obteniéndos en de esta forma las tres principales causas de variabilidad.

Page 14: Instituto tecnologico de la laguna topicos de la calidad II

Se realiza a continuación una comparación entre los rendimientos del molino 1 con

los niveles operativos normales y los propuestos

De esta Figura y teniendo en cuenta la regala de decisión DEL NO TRASLAPE, se

concluye que el proceso propuesto tiene mejores índices de eficiencia que el

proceso normal de molienda del ingenio.

Page 15: Instituto tecnologico de la laguna topicos de la calidad II
Page 16: Instituto tecnologico de la laguna topicos de la calidad II

DIAGRAMA DE DISPERSION ( EXEL)

1.- ABRIMOS UN DOCUMENTO EN EXCEL E INSERTAMOS EN LAS CO

LUMNAS LOS DATOS DE LOS AÑOS DE ESTUDIO DE 13 ESTUDIANTES Y EL

NUMERO DE REPROBACION

2.-NOS VAMOS A LA BARRA DE HERRAMIENTAS A LA OPCION DE

DISPERSION , DISPERCION SOLO CON MARCADORES Y DAMOS ACEPTAR

Page 17: Instituto tecnologico de la laguna topicos de la calidad II

3.-INMEDIATA MENTE APARACE LA GRAFICA DONDE PODEMOS OBSERVAR

QUE EXISTE UNA CORRELACION ENTRE ESTAS VARIABLES YA QUE ESTA

ES NEGATIVA Y DESPUES SELECCIONAMOS LA TERCERA OPCION DE

DISEÑO DE GRAFICOS

4.- EN LA IMAGEN PODEMOS OBSERVAR QUE ESTA UNA LINEA RECTA EN

MEDIO DE LOS PUNTOS DONDE PODEMOS OBSERVAR QUE HAY

CORRELACION ENTRE ESTAS 2 VARIABLES

Page 18: Instituto tecnologico de la laguna topicos de la calidad II

DIAGRAMA DE CAUSA Y EFECTO

1.- INSERTAMOS EN LAS CELDAS DE MINITAB LAS CAUSAS Y SUBCAUSAS

DE NUESTRODIAGRAMA

2.-NOS VAMOS A LA BARRA DE HERRAMIENTAS EN ESTADISTCAS ,

HERRAMIENTAS DE CALIDAD , CUASA-EFECTO

Page 19: Instituto tecnologico de la laguna topicos de la calidad II

3.- EN LA VENTANA QUE APARECE ENSEGUIDA ENLA COLUMNA DE

CAUSAS SELECCIONAMOS DE UNA A UNA Y EN ETIQUETA LA

MODIFICAMOS POR LAS CAUSAS

4.-EN LA SIGUIENTE EN LAS CAUSAS SELECCIONAMOS LA DE

MANTENIMIENTO Y DAMOS ACEPTAR

Page 20: Instituto tecnologico de la laguna topicos de la calidad II

5.- EN LA SIGUIENTE VENTANA EN EFECTO MODIFICAMOS , Y EN TITULO Y

DAMOS ACEPTAR

6.- EN LA SIGUIENTE IMAGEN APARACE EL DIAGRAMA CAUSA Y EFECTO

DONDE PODEMOS OBSERVAR LA CAUSAS Y SUBCAUSAS DEL PROBLEMA

Page 21: Instituto tecnologico de la laguna topicos de la calidad II

CARTA C

1.- INSERTAMOS EN MINITAB EN C1 EL NUMERO DE MESAS A

INSPECCIONAR Y EN C2 EL NUMERO DE DEFECTOS

2.- VAMOS A LA BARRA DE HERRAMIENTAS , ESTADISTICAS BASICAS ,

GRAFICAS DE CONTROL , POR ATRIBUTOS , CARTA C

Page 22: Instituto tecnologico de la laguna topicos de la calidad II

3.- EN LA VENTANA QUE APARECE EN EL CAMPO DE VARIABLES

SELECCIONAMOS C2 Y DAMOS ACEPTAR

4.- AUTOMATICAMENTE APARECE LA GRAFICA EN LA CUAL PODEMOS

OBSERVAR QUE EL PROCESO ES ESTABLE Y PORQUE NO REBASA

NINGUNO DE SUS LIMITES

Page 23: Instituto tecnologico de la laguna topicos de la calidad II

CARTA U

1.- INSERTAMOS EN MINITAB EN C1 EL N° DE 23 LOTES A INSPECCIONAR ,

EN C2 EL TAMAÑO DE MUESTRA , EN C3 EL NUMERO DE DEFECTOS Y EN

C4 Ui QUE ES LA DIVICION DE C3/C1

2.- VAMOS A LA BARRA DE HERRAMIENTAS A ESTADISTICAS , GRAFICAS

DE CONTROL , POR ATRIBUTOS , CARTA U

Page 24: Instituto tecnologico de la laguna topicos de la calidad II

3.- EN LA SIGUIENTE VENTANA EN EL CAMPO DE VARIABLES

SELECCIONAMOS C3 Y EN TAMAÑOS DE SUBGRUPOS C1 Y DAMOS

ACEPTAR

4.- AUTOMATICAMENTE APARECE LA GRAFICA EN DONDE PODEMOS

OBSERVAR QUE EL PROCESO ES INESTABLE EL CUAL NECESITA UN

CHEQUEO PORQUE NO CUMPLE CON LAS ESPECIFICACIONES