momento2_aportegrupal curso control de calidad 2015

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA CONTROL DE CALIDAD: 302582_101 2015

CONTROL DE CALIDAD

Momento 2

INTEGRANTES:

JUAN PABLO CRUZ MARTÍNEZ, COD:

INGRITH VANESSA BLANCO, COD: 1049620096

FABIO LEONARDO VARGAS, COD:

Grupo:

302582_101

Tutor:

OSCAR JAVIER HERNANDEZ

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA

CURSO DE CONTROL DE CALIDAD

Octubre 28 de 2015


INTRODUCCION

Podemos definir el control de la calidad como el método mediante el cual podemos

medir la calidad real, compararla con las normas y actuar sobre la diferencia. Los

gráficos de control por atributos son apropiados en casos en los que es necesario

reducir el rechazo del proceso. Se aplican en situaciones en las que el proceso es

una operación de montaje complicada, y la calidad del producto se mide en términos

de ocurrencia de disconformidades, del funcionamiento exitoso o fallido del

producto. También son aplicables los diagramas de control por atributos cuando se

necesita un control del proceso, pero no se pueden obtener prácticamente datos de

mediciones.


DESARROLLO DE LA ACTIVIDAD

Elabora una matriz de identificación de gráficos de control por variables (Entorno de aprendizaje colaborativo)

relacionando los siguientes aspectos:

TIPO DE GRAFICO

OBJETO E IMPORTANCIA DEL GRAFICO

PROCEDIMIENTO PARA ELABORARLO ASPECTOS A TENER EN CUENTA EN EL ANALISIS

Grafico X-R

Los gráficos x-R se utilizan cuando la característica de calidad que se desea controlar es una variable continua.

Paso #1:Recolección de Datos: Estos datos deberán ser: *Recientes de un proceso al cual se quiere controlar Estos pueden ser tomados: *Diferentes horas del día *Diferentes días *Todos tienen que ser de un mismo producto. Paso #2: Promedio: Sumatoria de los datos de cada uno de los subgrupos dividido entre el número de datos (n). Formula X ∑X1 + X2 + X3 + Xn n *La fórmula debe ser utilizada para cada uno de los subgrupos.

Pautas de comportamiento que representan cambios en el proceso: *Un punto exterior a los límites de control. *Se estudiará la causa de una desviación del comportamiento tan fuerte. *Dos puntos consecutivos muy próximos al límite de control. *La situación es anómala, estudiar las causas de variación. *Cinco puntos consecutivos por encima o por debajo de la línea central. *Investigar las causas de variación pues la media de los cinco puntos indica una desviación del nivel de funcionamiento del proceso. *Fuerte tendencia ascendente o descendente marcada por cinco


Paso #3: Rango: *Valor mayor del subgrupo menor el valor menor. *Formula: R = x valor mayor – x valor menor *Determine el rango para cada uno de los subgrupos. Paso #4: Promedio Global: *Sumatoria de todos los valores medios y se divide entre el número de subgrupos (k). *Formula X’ ∑X1 + X2 + X3 +…+ Xn k Paso #5: Valor Medio del Rango: *Sumatoria del rango (R) de cada uno de los subgrupos divido entre el número de subgrupos (k). *Formula R’ ∑R1 + R2 + R3 +…. + Rn k

puntos consecutivos. *Investigar las causas de estos cambios progresivos. *Cambios bruscos de puntos próximos a un límite de control hacia el otro límite. *Examinar esta conducta errática.

Grafico X-S

El gráfico de control X-S de medias y desviación

*Defina cuál será la característica de la calidad: otorgar la máxima prioridad a

Se debe analizar esta grafica, ya que si no esta bajo control


estándar muestrales. Por tanto, podemos usar los gráficos S para estudiar la variabilidad del proceso y detectar la posible existencia de causas especiales.

aquellas variables o características medibles y expresables mediante números y que causen problemas en producción o costos. *Escoja el subgrupo racional: Los elementos que conformen cada subgrupo deberán de haberse producido básicamente dentro de las mismas condiones.

1. Recolectar los datos: recoger información de 25 subgrupos con más de 10 datos en cada subgrupo. Regístrelos en una hoja de datos.

2. Calcular los promedios para cada subgrupo.

3. Calcular: dividiendo el total de los promedios de cada subgrupo por el número de subgrupos.

4. Calcular S: calcular a desviación estándar de cada subgrupo.

5. Calcular: dividendo el total de las S de

cada subgrupo por el número de subgrupos.

*Calcular las líneas de control:

estadístico los límites de la gráfica de medias no tendrá sentido.

En caso de que no esté bajo control estadístico, se deberán encontrar las causas especiales de variación y eliminar los puntos fuera de control y recalcular los limites.

Después de haber revisado la gráfica S, es cuando se interpreta la de medias.

Nunca se deben relacionar los puntos en una gráfica de medias con los límites de especificación, ya que los puntos en la gráfica son promedios y las especificaciones corresponden a los calores individuales, presentando una variabilidad mayor que los subgrupos.


Calcular cada una de las líneas de control para la gráfica X y la gráfica S con las siguientes formulas:

Grafica S: *Línea central:; LC=S *Límite superior de control: LSC=B4S *Límite inferior de control: LIC=B3S

Grafica X: *Límite central: LC=x *Límite superior de control: LSC=x+A3S *Límite inferior de control: LIC= x-A3S

Grafico Cp

Una necesidad muy frecuente en los procesos consiste en evaluar la variabilidad y tendencia central de una característica de calidad, para así compararla con sus especificaciones de diseño. La capacidad de proceso es el grado de aptitud que tiene un proceso para cumplir con las especificaciones técnicas deseadas.

Para considerar que un producto sea de calidad, las mediciones de sus características deben ser iguales a su valor ideal, sin embargo al conocer que la variabilidad es una característica ínsita de todo proceso estas mediciones deben al menos estar dentro de cierta especificación inferior y/o superior. La medida de la capacidad potencial del proceso para cumplir con tales especificaciones de calidad nos la proporciona el índice de capacidad del proceso (Cp).

Donde

El Cp compara el ancho de las especificaciones (tolerancia) con la amplitud de la variación (dispersión natural) del proceso. Sí la variación del proceso es mayor que la amplitud de las especificaciones, entonces el Cp es menor que 1, lo que sería evidencia de que no se está cumpliendo con las especificaciones. Sí el Cp es mayor que 1 es una evidencia de que el proceso es potencialmente capaz de cumplir con las especificaciones. El Cp se utiliza para conocer y tomar decisiones sobre el proceso dependiendo de su valor, es el tipo de proceso y la decisión que debe de tomarse.


Grafico Cpk

Se denomina índice de descentramiento relativo. La letra K, se identifica con el coeficiente de descentralización, luego este coeficiente se utiliza para calcular el índice de capacidad en procesos no centrados. no solo mide la variación del proceso respecto a un intervalo especificado si no también la ubicación del proceso respecto a la media

Se calcula un indicador del lado superior (límite superior- media)/ 3 sigma se calcula como un indicador del lado inferior: (media- límite inferior)/ 3 sigma se elige, como índice Cpk, el valor mínimo de estos dos indicadores, calculados siendo este el caso más desfavorable ( el caso en el cual la campana se acerca más del límite cpn el riesgo de provocar defectos)

El proceso no está centrado en los límites de especificación, pero está contenido en ellos para considerar que un proceso opera dentro de especificación, Cpk habrá de ser mayor o igual que 1.33 Proceso dentro de especificación: Cpk≥1.33 Al mismo tiempo se tiene que hacer una serie de preguntas. es una distribución normal es un proceso estable cuantos puntos de datos se tomaron para el estudio

Grafico Cpmk

Es aquel que calcula la capacidad del proceso respecto a un objetivo, T valido para un respectivo proceso con una media descentrada, el cual presupone que el resultado que el resultado del proceso esta aproximadamente distribuido de forma normal

Su fórmula para el procedimiento para desarrollarlo es:

𝐶𝑝𝑘𝑚 =𝐶𝑝𝑘

√1+ (𝑢 − 𝑇𝜎 )2


GRAFICA X-R

PAQUETE

MUESTRA

1

MUESTRA

2

MUESTRA

3

MUESTRA

4

MUESTRA

5 MEDIA RANGO

1 3 3 3,5 3 3 3,1 0,5

2 3 3 3,5 3 3 3,1 0,5

3 3 3 3,5 3 3 3,1 0,5

4 3,5 3 3 4,5 3,5 3,5 1,5

5 4 3,5 3 4,5 3,5 3,7 1,5

6 4,5 3,5 3 4,5 3 3,7 1,5

7 2,5 3,5 3 4 3 3,2 1,5

8 2,5 3,5 3 3 4 3,2 1,5

9 4 3,5 3 3 2,5 3,2 1,5

10 3 4 3,5 3 3 3,3 1

11 3 4 2,5 3 4 3,3 1,5

12 3 3,5 4 3,5 3 3,4 1

13 4 3 4 2,5 3 3,3 1,5

14 3 3 2,5 3 3 2,9 0,5

15 3 3 2,5 3 3,5 3 1

16 3 3 3,5 4 3,5 3,4 1

17 3 3 3 4 4 3,4 1

18 3 3 3 3 3,5 3,1 0,5

19 3 3 3 3 4 3,2 1

20 3 2,5 3 3 3 2,9 0,5

21 4,5 2,5 2 3 3 3 2,5

22 4,5 2 3 3,5 3 3,2 2,5

23 3,5 3 4 3,5 5 3,8 2

24 3,5 3 4,5 3 4 3,6 1,5

25 3 3 3 3 4 3,2 1

Media de Media 3,272 1,22

RANGO LSC LC LIC

0,5 2,57908 1,22 0

0,5 2,57908 1,22 0

0,5 2,57908 1,22 0

1,5 2,57908 1,22 0

1,5 2,57908 1,22 0

1,5 2,57908 1,22 0

1,5 2,57908 1,22 0

1,5 2,57908 1,22 0


1,5 2,57908 1,22 0

1 2,57908 1,22 0

1,5 2,57908 1,22 0

1 2,57908 1,22 0

1,5 2,57908 1,22 0

0,5 2,57908 1,22 0

1 2,57908 1,22 0

1 2,57908 1,22 0

1 2,57908 1,22 0

0,5 2,57908 1,22 0

1 2,57908 1,22 0

0,5 2,57908 1,22 0

2,5 2,57908 1,22 0

2,5 2,57908 1,22 0

2 2,57908 1,22 0

1,5 2,57908 1,22 0

1 2,57908 1,22 0

Análisis de la gráfica: Luego de realizar el análisis de los datos suministrados, se

identificó que la etapa se encuentra bajo control estadístico ya que todo se maneja

mediante la media estadística.

0

0,5

1

1,5

2

2,5

3

1 2 3 4 5 6 7 8 9 1 0 1 1 1 2 1 3 1 4 1 5 1 6 1 7 1 8 1 9 2 0 2 1 2 2 2 3 2 4 2 5

GRAFICO X-R

RANGO LSC LC LIC


Calculo de indices de capacidad Cp y Cpk

proceso capaz

se desarrollan las formulas

apartir de un grafico X-S

2,326 es una constante del tamaño de la muestra en este caso 5

0,525

CP= 0,477776 luego de realizar el respectivo análisis, el proceso no es apto

Cpk= 0,477776 el cpk esta fuera de las especificaciones dadas

GRAFICA X-S

PAQUETE

MUESTRA

1

MUESTRA

2

MUESTRA

3

MUESTRA

4 MUESTRA 5 MEDIA RANGO

DESVIACION

ESTANDAR

1 3 3 3,5 3 3 3,1 0,5 0,223606798

2 3 3 3,5 3 3 3,1 0,5 0,223606798

3 3 3 3,5 3 3 3,1 0,5 0,223606798

4 3,5 3 3 4,5 3,5 3,5 1,5 0,612372436

5 4 3,5 3 4,5 3,5 3,7 1,5 0,570087713

6 4,5 3,5 3 4,5 3 3,7 1,5 0,758287544

7 2,5 3,5 3 4 3 3,2 1,5 0,570087713

8 2,5 3,5 3 3 4 3,2 1,5 0,570087713

9 4 3,5 3 3 2,5 3,2 1,5 0,570087713

10 3 4 3,5 3 3 3,3 1 0,447213595

11 3 4 2,5 3 4 3,3 1,5 0,670820393

12 3 3,5 4 3,5 3 3,4 1 0,418330013

13 4 3 4 2,5 3 3,3 1,5 0,670820393

14 3 3 2,5 3 3 2,9 0,5 0,223606798

15 3 3 2,5 3 3,5 3 1 0,353553391

16 3 3 3,5 4 3,5 3,4 1 0,418330013

17 3 3 3 4 4 3,4 1 0,547722558

𝐶𝑝 =𝐿𝑐𝑠 − 𝐿𝑐𝑖

6𝜎

𝐶𝑝 ≥ 1,33

𝐶𝑝𝑘 = 𝑀𝑖𝑛 [𝑋 − 𝑙𝑐𝑖

3𝜎,𝐿𝑐𝑠 − 𝑋

3𝜎]

𝜎 =𝑆

𝐶2

𝑑2 =

𝜎 =


18 3 3 3 3 3,5 3,1 0,5 0,223606798

19 3 3 3 3 4 3,2 1 0,447213595

20 3 2,5 3 3 3 2,9 0,5 0,223606798

21 4,5 2,5 2 3 3 3 2,5 0,935414347

22 4,5 2 3 3,5 3 3,2 2,5 0,908295106

23 3,5 3 4 3,5 5 3,8 2 0,758287544

24 3,5 3 4,5 3 4 3,6 1,5 0,651920241

25 3 3 3 3 4 3,2 1 0,447213595

Media de

Media 3,272 1,22 0,506711456

Desviacion estandar LSC LC LIC

0,223606798 1,05902694 0,50671146 0

0,223606798 1,05902694 0,50671146 0

0,223606798 1,05902694 0,50671146 0

0,612372436 1,05902694 0,50671146 0

0,570087713 1,05902694 0,50671146 0

0,758287544 1,05902694 0,50671146 0

0,570087713 1,05902694 0,50671146 0

0,570087713 1,05902694 0,50671146 0

0,570087713 1,05902694 0,50671146 0

0,447213595 1,05902694 0,50671146 0

0,670820393 1,05902694 0,50671146 0

0,418330013 1,05902694 0,50671146 0

0,670820393 1,05902694 0,50671146 0

0,223606798 1,05902694 0,50671146 0

0,353553391 1,05902694 0,50671146 0

0,418330013 1,05902694 0,50671146 0

0,547722558 1,05902694 0,50671146 0

0,223606798 1,05902694 0,50671146 0

0,447213595 1,05902694 0,50671146 0

0,223606798 1,05902694 0,50671146 0

0,935414347 1,05902694 0,50671146 0

0,908295106 1,05902694 0,50671146 0

0,758287544 1,05902694 0,50671146 0

0,651920241 1,05902694 0,50671146 0

0,447213595 1,05902694 0,50671146 0


MEDIA LSC LC LIC

3,1 3,9965974 3,272 2,5474026

3,1 3,9965974 3,272 2,5474026

3,1 3,9965974 3,272 2,5474026

3,5 3,9965974 3,272 2,5474026

3,7 3,9965974 3,272 2,5474026

3,7 3,9965974 3,272 2,5474026

3,2 3,9965974 3,272 2,5474026

3,2 3,9965974 3,272 2,5474026

3,2 3,9965974 3,272 2,5474026

3,3 3,9965974 3,272 2,5474026

3,3 3,9965974 3,272 2,5474026

3,4 3,9965974 3,272 2,5474026

3,3 3,9965974 3,272 2,5474026

2,9 3,9965974 3,272 2,5474026

3 3,9965974 3,272 2,5474026

3,4 3,9965974 3,272 2,5474026

3,4 3,9965974 3,272 2,5474026

3,1 3,9965974 3,272 2,5474026

3,2 3,9965974 3,272 2,5474026

2,9 3,9965974 3,272 2,5474026

3 3,9965974 3,272 2,5474026

3,2 3,9965974 3,272 2,5474026

0

0,5

1

1,5

2

2,5

3

3,5

4

4,5

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25

Desviacion Estandar

MEDIA LSC LC LIC


3,8 3,9965974 3,272 2,5474026

3,6 3,9965974 3,272 2,5474026

3,2 3,9965974 3,272 2,5474026

Análisis de la gráfica: Luego de realizar el análisis de los datos suministrados, se

identificó que la etapa se encuentra bajo control estadístico ya que todo se maneja

mediante la media estadística ya que se observa aún mejor en la gráfica.

Calculo de indices de capacidad Cp y Cpk

proceso capaz

se desarrollan las formulas

a partir de un gráfico X-S

0,8407 es una constante del tamaño de la muestra en este caso 5

0

0,2

0,4

0,6

0,8

1

1,2

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25

GRAFICO X-S

Desviacion estandar LSC LC LIC

𝐶𝑝 =𝐿𝑐𝑠 − 𝐿𝑐𝑖

6𝜎

𝐶𝑝 ≥ 1,33

𝐶𝑝𝑘 = 𝑀𝑖𝑛 [𝑋 − 𝑙𝑐𝑖

3𝜎,𝐿𝑐𝑠 − 𝑋

3𝜎]

𝜎 =𝑆

𝐶2

𝐶2 =

𝜎 =

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA CONTROL DE CALIDAD: 302582_101 2015 0,603

CP= 0,401 luego de realizar el respectivo análisis, el proceso no es apto

Cpk= 0,401 el cpk está fuera de las especificaciones dadas

CURVA DE CARACTERISTICA OPERACIÓN

Nivel de inspecion general II -J

Tamano de lote N= 1000

Unidad de muestreo n= 80

Valor de aceptacion C= 2

Valor de rechazo r= 3

Valor para el ejercicio

npo= 7,92

Datos para el grafico

Po Pa

0% 1

1% 0,952577404

2% 0,78335849

3% 0,569708747

4% 0,379903741

5% 0,238103306

6% 0,142539219

7% 0,082388404

8% 0,046324217

9% 0,025473508

10% 0,013753968

11% 0,007313569

12% 0,003838865

12% 0,003838865

14% 0,001024471

15% 0,000522258

16% 0,000264261

17% 0,000132832

18% 6,6374E-05

19% 3,29895E-05

20% 1,63176E-05


0,013753968

,0

,10

,20

,30

,40

,50

,60

,70

,80

,90

1,0

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21

Curva de Caracteristica


CONCLUSIONES

Del desarrollo de los conceptos y ejemplos se puede observar el enorme potencial

que posee la utilización del Control Estadístico de la calidad como instrumento y

herramienta destinada a un mejor control, una forma más eficaz de tomar decisiones

en cuanto a ajustes, un método muy eficiente de fijar metas y un excepcional medio

de verificar el comportamiento de los procesos.


BIBLIOGRAFIA

Control estadístico de la calidad, recuperado de

http://es.slideshare.net/jcfdezmxcal/control-estadstico-de-la-calidad

Entorno de conocimiento AVA, curso de control de calidad, Gráficos de

Control X-R, X-S,

http://campus14.unad.edu.co/campus14_20152/mod/lesson/view.php?id=23

4&pageid=73

Entorno de conocimiento AVA, curso de control de calidad, Capacidad y

Habilidad del Proceso,


4&pageid=72

Entorno de conocimiento AVA, curso de control de calidad, Gráficos de

Control por atributos GTC 106-2,


4&pageid=74

Entorno de conocimiento AVA, curso de control de calidad, costo de calidad,


4&pageid=76

http://es.slideshare.net/jcfdezmxcal/control-estadstico-de-la-calidad

http://campus14.unad.edu.co/campus14_20152/mod/lesson/view.php?id=234&pageid=73








momento2_aportegrupal curso control de calidad 2015

Documents