14
Control de calidad automotriz Nombre Gabriel Espinoza Almeida Fecha 05-06-2015 Carrera Ingeniería automotriz Curso 8T Docente Ing. Carlos Rosales Tema: Cartas de control, media y rango Cartas de control Las cartas de control son la herramienta más poderosa para analizar la variación en la mayoría de los procesos. Han sido difundidas exitosamente en varios países dentro de una amplia variedad de situaciones para el control del proceso. Estas gráficas fueron desarrolladas por el Dr. Stewart son gráficas poligonales que muestran en el tiempo el estado de un proceso. Las cartas de control enfocan la atención hacia las causas especiales de variación cuando estas aparecen y reflejan la magnitud de la variación debida a las causas comunes (Las causas comunes o aleatorias se deben a la variación natural del proceso). Las causas especiales o atribuibles son por ejemplo: un mal ajuste de máquina, errores del operador Defectos en materias primas. Se dice que un proceso está bajo control estadístico cuando presenta causas comunes únicamente. Cuando ocurre esto tenemos

Cartas de Control, Media y Rango - Copia

Embed Size (px)

DESCRIPTION

cartas de control

Citation preview

Control de calidad automotriz

NombreGabriel Espinoza AlmeidaFecha05-06-2015

CarreraIngeniera automotrizCurso8TDocenteIng. Carlos Rosales

Tema: Cartas de control, media y rango

Cartas de control

Las cartas de control son la herramienta ms poderosa para analizar la variacin en la mayora de los procesos. Han sido difundidas exitosamente en varios pases dentro de una amplia variedad de situaciones para el control del proceso. Estas grficas fueron desarrolladas por el Dr. Stewart son grficas poligonales que muestran en el tiempo el estado de un proceso.

Las cartas de control enfocan la atencin hacia las causas especiales de variacin cuando estas aparecen y reflejan la magnitud de la variacin debida a las causas comunes (Las causas comunes o aleatorias se deben a la variacin natural del proceso). Las causas especiales o atribuibles son por ejemplo: un mal ajuste de mquina, errores del operador Defectos en materias primas. Se dice que un proceso est bajo control estadstico cuando presenta causas comunes nicamente. Cuando ocurre esto tenemos un proceso estable y predecible. Cuando existen causas especiales el proceso est fuera de control estadstico; las grficas de control detectan la existencia de estas causas en el momento en que se dan, lo cual permite que podamos tomar acciones al momento. Las grficas de control se usan entre otras cosas: Para verificar que los datos obtenidos poseen condiciones semejantes. Para observar un proceso productivo, a fin de poder investigar las causas de un comportamiento anormal. Al distinguir entre las causas especiales y las causas comunes de variacin, dan una buena indicacin de cundo un problema debe ser corregido localmente y cuando se requiere de una accin en la que deben de participar varios departamentos o niveles de la organizacin. Existen diferentes grficas de control en funcin de la variable a observar y del proceso a controlar. El proceso a controlar puede depender de una variable o de caractersticas llamadas atributos. Diferencia entre una variable y un atributo.

En Control de Calidad mediante el trmino variable se designa a cualquier caracterstica de calidad medible tal como una longitud, peso, temperatura, etc. Mientras que se denomina atributo a las caractersticas de calidad que no son medibles y que presentan diferentes estados tales como conforme y disconforme o defectuoso y no defectuoso

Cartas de control por variables

Una caracterstica que se mide en una escala numrica se denomina una variable. Por ejemplo temperaturas, dimensiones, volumen, tiempo, etc. Las cartas de control de son ampliamente utilizadas para monitorear la media y la variabilidad de las variables, con objeto de evitar o minimizar que se tengan productos fuera de especificaciones y estabilizar los procesos.

Cartas de control de medias y rangos (variables)

Asumiendo que una caracterstica de calidad est distribuida normalmente con media y desviacin estndar ambas conocidas. Si x1, x2, .... xn forman una muestra de tamao n entonces se puede calcular la media de la muestra .

Ahora como las medias de las muestras estn normalmente distribuidas con media = / , y siendo que la probabilidad 1- de que cualquier media muestral caer entre los lmites:

Lo anterior ser vlido an si la distribucin de la poblacin no es normal pero si estable.En la prctica los lmites de control se estiman a partir de 20 o 25 muestras preliminares o subgrupos, el tamao de subgrupo es de 4, 5 o 6 normalmente. Si se tienen m subgrupos, la gran media se calcula como sigue:

Representa la lnea central de la carta de medias.Para estimar la del proceso, se pueden utilizar los rangos de los subgrupos, para cada uno de los subgrupos el rango es calculado como:R = xmax xminSi R1, R2, ....., Rm , son los rangos de los diferentes subgrupos, el rango promedio es:

Desarrollo de la frmula para los lmites de controlLa variable W de rango relativo relaciona al rango con la desviacin estndar como sigue:W = R /

Los parmetros de la distribucin de W son funcin de n. La media de W es d2. Por tanto un estimador de es R / d2 , donde d2 est tabulado para diferentes valores de n, de esta forma si es el rango promedio de las primeras muestras, usando:

Los lmites de control de la carta de medias son:

Lmite superior de control (LSC)

Lmite inferior de control (LIC)

Lnea central (LC)

Si de define a se tienen las ecuaciones siguientes:

LSC = + A2

LIC = - A2

El valor de A2 se encuentra tabulado en una tabla de constantes.

Para el caso de los rangos, la lnea central es . El estimador para R puede hallarse de la distribucin del rango relativo W = R / , si la desviacin estndar de W es d3 en funcin de n, se tiene:R = W La desviacin estndar de R es:R = d3

Como es desconocida, se puede estimar de = / d2, resultando:

De esta forma los lmites de control para el rango son:

LSC = + 3= + 3 = [ 1+ 3] = D4

LIC = - 3= - 3=[ 1- 3] = D3Donde las constantes A2, d2 D3 y D4 se encuentran tabuladas en funcin de n para facilitar el clculo de los lmites de control como sigue:

Tabla.1. Constantes para lmites de control en cartas X-Rn A2D3D4d2

21.8803.2671.128

31.02302.5741.693

40.72902.2822.059

50.57702.1152.326

60.48302.0042.534

70.4190.0761.9242.704

80.3730.1361.8642.847

90.3370.1841.8162.97

100.3080.2231.7773.078

Para valores pequeos de n, el rango es un buen estimador de la varianza tal como lo hace la varianza de la muestra S2. La eficiencia relativa del mtodo del rango a la S2 se muestra abajo:nEficiencia

11.000

20.992

30.975

40.955

50.930

60.850

Para n >= 10 el rango pierde eficiencia rpidamente ya que ignora los valores intermedios entre xmax y xmin sin embargo para valores pequeos de n (4,5 o 6) empleados en las cartas de control, es adecuado. Para cuando n>10 se utiliza la desviacin estndar en vez del rango.Limites preliminaresSiempre que un proceso este siendo analizado a travs de una carta de control, es muy importante llevar una bitcora registrando todos los cambios (tiempo y descripcin) conforme ocurran, por ejemplo: cambio de turno, cambio de materiales, ajuste de mquina, interrupcin de energa, arranque de mquina, etc. Con objeto de identificar las causas asignables en caso de presentarse para la toma de acciones correctivas.

Al iniciar una carta de control tomando m subgrupos (20 a 25) se calculan y grafican los lmites de control preliminares para determinar si el proceso estuvo en control (ver procedimiento de Grficas de Control). Para probar esta hiptesis, se analizan todos los puntos graficados y se hace un anlisis para identificar si hay puntos fuera de los lmites de control o patrones anormales de comportamiento, si as fuera, los lmites de control preliminares se pueden utilizar para el control futuro del proceso.

Si no se prueba la hiptesis de que el proceso est en control, por algn patrn de anormalidad presente, se determina la causa especial de la anormalidad, se toman acciones correctiva para que no vuelva a presentar, se eliminan los puntos correspondientes al patrn de anormalidad y se re-calculan o revisan los lmites de control. Se analiza la carta de control para observar un comportamiento aleatorio, si aun no se tiene, se repite el proceso anterior hasta lograrlo. Una vez teniendo todos los puntos en control, los nuevos lmites de control ms cerrados que los originales se utilizan para el control futuro del proceso.

Cuando no sea posible encontrar causas especiales para los patrones de anormalidad o puntos fuera de control, no se eliminan y se consideran para la determinacin de los lmites de control revisados para el control futuro del proceso.

Elaboracin de Cartas de control (variables)

Paso 1: Colectar los datos.

Los datos son el resultado de la medicin de las caractersticas del producto, los cuales deben de ser registrados y agrupados de la siguiente manera:

Se toma una muestra (subgrupo) de 2 a 10 piezas consecutivas y se anotan los resultados de la medicin (se recomienda tomar 5). Tambin pueden ser tomadas en intervalos de tiempo de - 2 hrs., para detectar si el proceso puede mostrar inconsistencia en breves periodos de tiempo. Se realizan las muestras de 20 a 25 subgrupos.

Paso 2: Calcular el promedio para cada subgrupo

Paso 3: Calcule el rango promedio y el promedio del proceso

Donde K es el nmero de subgrupos, R1,R2..es el rango de cada subgrupo; son el promedio de cada subgrupo.

Paso 4: Calcule los limites de controlLos lmites de control son calculados para determinar la variacin de cada subgrupo, estn basados en el tamao de los subgrupos y se calculan de la siguiente forma:

Donde D4, D3, A2 son constantes que varan segn el tamao de muestra. A continuacin se presentan los valores de dichas constantes para tamaos de muestra de 2 a 10.

n2345678910

D43.272.572.282.112.001.921.861.821.78

D3000000.080.140.180.22

A21.881.020.730.580.480.420.370.340.31

Paso 5: Seleccione la escala para las grficas de control

Para la grfica la amplitud de valores en la escala debe de ser al menos del tamao de los lmites de tolerancia especificados o dos veces el rango promedio .Para la grfica R la amplitud debe extenderse desde un valor cero hasta un valor superior equivalente a 1 - 2 veces el rango.

Paso 6: Trace la grfica de controlDibuje las lneas de promedios y lmites de control en las grficas.Los lmites de Control se dibujan con una lnea discontinua y los promedios con una lnea continua para ambas grficas.Marcar los puntos en ambas grficas y unirlos para visualizar de mejor manera el comportamiento del proceso.

Paso 7: Analice la grfica de controlEjemplo 1Se toman las medidas de los dimetros de una pieza cilndrica, el tamao de muestra de cada subgrupo es de cinco, y se toman 25 subgrupos a intervalos de 1 hr.

Realice la carta de control .

Calculando el rango y el promedio para cada subgrupo obtenemos:

Calculando el Rango promedio, promedio del proceso y lmites de control:

= .71

= 2.11* 0.198 = 0.41

= 0

= .71+(.58)(.198) = .82

= .71-(.58)(.198) = .59

La carta de control R muestra un punto fuera de los lmites de especificaciones, por lo cual el proceso se encuentra fuera de control, en este caso es necesario investigar las causas y tomar las acciones correctivas para eliminar el problema. En la siguiente parte se muestran los criterios para determinar las situaciones en las cuales un proceso puede estar fuera de control.

Interpretacin del control del proceso.

El objeto de analizar una grfica de control es identificar cul es la variacin del proceso, las causas comunes y causas especiales de dicha variacin y en funcin de esto tomar alguna accin apropiada cuando se requiera.

Juran[footnoteRef:2] sugiere un conjunto de reglas de decisin para detectar patrones no aleatorios en las cartas de control. Cuando se detecta alguno de los patrones siguientes se puede decir que el tomar alguna accin para corregir el problema ya que el proceso puede estar fuera de control. [2: ]

Patrones fuera de control

Bibliografa:

Dale, H. Control de calidad 8va edicin. Editorial Pesaron (2009)

Anlisis de Sistemas de Medicin , Manual de referencia MSA Cuarta edicin (2010)

Anlisis y planeacin de la calidad, J.M. Juran, F.M Gryna, Tercera Edicin, Mc Graw Hill.

Links:

http://www.ceibal.edu.uy/contenidos/areas_conocimiento/mat/estadistica/poblacin_y_muestra.htmlhttp://www.vitutor.com/estadistica/inferencia/estadistica_inferencial.html