REPUBLICA BOLIVARINA DE VENEZUELA UNIVERSIDAD YACAMBU FACULTAD DE INGENIERIA CONTROL DE CALIDAD

INTEGRANTES: Lpez Arennie Taronna Fortunato Torres Roberto Profesora: Ing. Wilma Rodrguez Equipo N 2 Seccion MA01NOP Cabudare, Noviembre de 2007

Para llevar un riguroso control de los procesos productivos, es necesario contar con el uso de herramientas estadsticas y algunas otras tcnicas que nos permiten corroborar la efectividad de los mismos y detectar las fallas en el sistema para luego mejorarlas y corregirlas y as lograr productos de alta calidad y satisfacer las necesidades de nuestros consumidores.

En este trabajo se ha puesto en prctica diferentes herramientas tanto estadsticas como gerenciales las cuales nos permiten visualizar las diferentes situaciones e inconvenientes presentados en la empresa Industrias CERO C.A realizndose su anlisis y mejoramiento de la calidad del producto y sus procesos.

El anlisis de los datos y tendencias del control estadstico de procesos puede ser aplicado a cualquier proceso sin importar la industria o sector al que pertenezca.

La Poblacin es todo conjunto de elementos, finito o infinito, definido por una o ms caractersticas, de las que gozan todos los elementos que lo componen. Una poblacin esta determinada por las caractersticas definitorias: por lo tanto, el conjunto de elementos que posea esta caracterstica se denomina poblacin o universo, Poblacin es la totalidad el fenmeno a estudiar, donde las unidades de poblacin poseen una caracterstica en comn, la que se estudia y da origen a los datos de la investigacin. En muestreo se entiende por poblacin a la totalidad del universo que interesa considerar, y que es necesario que est bien definido para que se sepa en todo momento que elementos lo componen De toda poblacin se puede tomar una muestra para realizarle diferentes estudios y hacer anlisis, los estadsticos emplean la palabra muestra para describir un porcin escogida de la poblacin. Matemticamente, podemos describir muestras y poblaciones al emplear mediciones como la Media, Mediana, la moda, la desviacin estndar. Cuando estos trminos describen una muestra se denominan estadsticas. Para seleccionar el tamao de la muestra se aplica el muestreo que es una herramienta de la investigacin cientfica su funcin bsica es determinar que parte de una realidad en estudio (poblacin o universo) debe examinarse con la finalidad de hacer inferencias sobre dicha poblacin. El error que se comete debido a hecho de que se obtienen conclusiones sobre cierta realidad a partir de la observacin de slo una parte de ella, se denomina error de muestreo. Obtener una muestra adecuada significa lograr una versin simplificad de la poblacin, que reproduzca de algn modo sus rasgos bsicos.

Norma IRAM 15 - Inspeccin por Atributos La norma establece diferentes niveles de inspeccin: Inspeccin Normal: No se tiene conocimiento definitivo de la calidad del material a inspeccionar Inspeccin Simplificada: La calidad es mejor que la que corresponde al plan de muestreo adoptado Inspeccin Estricta: La calidad no satisface el plan de muestreo adoptado El plan de Muestreo est caracterizado por el Nivel de Calidad Aceptable (AQL) establecido y la Letra Clave de Tamao de la muestra. El AQL o la norma que lo contiene deben estar especificados en el contrato u orden de compra Nivel de Inspeccin: Se emplear el nivel II salvo indicacin en contrario de la norma o especificacin Para el plan de muestreo simple para inspeccin normal se inspeccionan todas las unidades de la muestra correspondiente al plan elegido (n). Si el nmero de unidades defectuosas en la muestra es menor o igual al nmero de aceptacin, se aceptar el lote y si el nmero de unidades defectuosas en la muestra es igual o mayor al nmero de rechazo, se rechazar el lote. Industrias CERO C.A tiene lotes de 7200 (N) de kilogramos de arroz, Segn la tabla de las letra cdigo de tamao del lote se especifica el nivel de inspeccin general II y su cdigo ser L. el plan de inspeccin dice que se deben tomar 200 kilos de arroz. Segn la tabla de planes de muestreo simple se considera un nmero de aceptacin y rechazo segn las caractersticas del nivel de calidad aceptable, fijados por el proveedor que sern los siguientes: Caracterstica Grado de Maduracin Aspecto Fsico Nivel Aceptable Critico1 Mayor 2.5

Empaquetado

Menor 6.5

Para los 5 primeros lotes se utilizo la Tabla de inspeccin Normal, existi un rechaz en el lote 9 por lo que los lotes 6, 7 y 8 fueron inspeccionados por la Tabla de Inspeccin Reducida, en el lote 9 se utiliz la Tabla de Inspeccin Estricta fueron analizados sus 5 lotes y luego al verificar que todo estaba bien y no hubo rechazo se procedi aplicar al lote 15 la Tabla de Inspeccin Normal y como no existi rechazo en los 5 lotes analizados se paso nuevamente a la reducida. RESULTADOS OBTENIDOS POR LAS TABLAS Tabla inspeccin Normal Tamao de la muestra: 200 Kilogramos de Arroz Caracterstica Grado de Maduracin Aspecto Fsico Empaquetado Tabla Inspeccin Estricta Tamao de la muestra: 200 Kilogramos de Arroz Caracterstica Grado de Maduracin Aspecto Fsico Empaquetado Acepta 3 8 18 Rechaza 4 9 19 del lote 9 que fue Acepta 5 10 21 Rechaza 6 11 22

Tabla de inspeccin estricta : Utilizada a partir rechazado. Tabla de Inspeccin Reducida Tamao de la muestra: 30 Kilogramos de Arroz

Los caracteres de un elemento pueden ser de muy diversos tipos, por lo que los podemos clasificar en: dos grandes clases: - Variables Cuantitativas. - Variables Cualitativas o Atributos. Las variables cuantitativas son las que se describen por medio de nmeros, como por ejemplo el peso, Altura, Edad, Nmero de Suspensos A su vez este tipo de variables se puede dividir en dos subclases:

Cuantitativas discretas: Aquellas a las que se les puede asociar un

nmero entero, es decir, aquellas que por su naturaleza no admiten un fraccionamiento de la unidad, por ejemplo nmero de hermanos, pginas de un libro, etc.

Cuantitativas continuas: Aquellas que no se pueden expresar

mediante un nmero entero, es decir, aquellas que por su naturaleza admiten que entre dos valores cualesquiera la variable pueda tomar cualquier valor intermedio, por ejemplo peso, tiempo. etc.

No obstante en muchos casos el tratamiento estadstico hace que a variables discretas las trabajemos como si fuesen continuas y viceversa. Los atributos son aquellos caracteres que para su definicin precisan de palabras, es decir, no le podemos asignar un nmero. Por ejemplo Sexo, Profesin, Estado Civil, etc. A su vez las podemos clasificar en:

Ordenables: Aquellas que sugieren una ordenacin, por ejemplo la

graduacin militar, El nivel de estudios, etc.

No ordenables: Aquellas que slo admiten una mera ordenacin

alfabtica, pero no establece orden por su naturaleza, por ejemplo el color de pelo, sexo, estado civil, etc. Los atributos y las variables tomados en consideracin para la

implantacin de las tcnicas de control estadstico de la calidad en el proceso de Arroz Blanco Parbolizado calidad Premium son: En el caso del Arroz CERO los atributos que se presentan son el color del Arroz, el cual debe cumplir con ciertas exigencias del consumidor; al igual que el sabor que son caractersticas que no se pueden cuantificar pero que tienen ciertos parmetros de calidad los cuales deben ser cumplidos por esa empresa para poder comercializar el producto. Las variables que se maneja la empresa son en granos inmaduros (gramos/da) y el precio del producto las cuales deben estar en un rango determinado para que puedan ser vendidos, sin que sean devueltos o rechazados ya que cumplen con las especificaciones.

En los mtodos estadsticos se realizan dos tipos de mediciones: las de variables y las de atributos. La medicin de atributo (cualitativa): Tipo de medicin en donde las caractersticas de un producto se clasifican en una de dos categoras: bueno o malo, xito o fracaso, aceptacin o rechazo. Entre los atributos: Calidad: Muy bueno Sabor: Caracterstica que no se puede cuantificar Color: Blanco La medicin de variables (Cuantitativas) Las caractersticas del producto se clasifican de acuerdo a su grado de apego a alguna escala de medicin, como la longitud, el peso, grado de maduracin, etc

Peso: 1Kg

Tabla de Datos: Para el cumplimento de los estndares de calidad en el del procesamiento de Arroz Blanco Parabolizado calidad Premium se deben vigilar ciertos factores como el grado de maduracin del arroz, esta falla nos ha llevado a que esta sea nuestra caracterstica critica a evaluar. Los datos que se mostraran en la tabla son la cantidad kilogramos/ dia de granos de arroz que presentan bajo grado de maduracin en el mes de mayo 2007.

11 10 05 07 06 07 10 05 07 10

04 05 07 05 12 10 06 07 05 04

05 15 10 07 03 04 03 09 08 10

04 09 07 04 07 06 10 11 07 05

11 07 02 12 05 05 10 10 08 11

Media aritmtica

Una variable estadstica es la suma de todas las observaciones entre el numero total de elementos. Esta dada por la formula:

X =

X
n

Clculo de la media aritmtica: La media aritmtica de la muestra de datos de granos de arroz que presentan bajo grado de maduracin:
X =

x = 368 = 7,36kilogramos/dia
n 50

Lo que significa que el valor promedio de granos de arroz presentan bajo grado de maduracin es 7,36 kilogramos/ da Moda:

que

La moda es el valor que cuenta con una mayor frecuencia en una distribucin de datos. Para calcularla existe una limitacin, la cual es el poseer necesariamente un nmero de observaciones que permita la manifestacin clara de la misma, adems de que en algunos casos esta puede no existir. Como se puede observar en la Tabla de datos de kg/dia de granos de arroz inmaduro, el valor que ms se repite es el de 07 kg/dia.

Mediana:

Se define como mediana al valor de la variable que deja el mismo nmero de datos antes y despus que l. Como medida descriptiva, tiene la ventaja de no estar afectada por las observaciones extremas, ya que no depende de los valores que toma la variable, sino del orden de las mismas, adems es de clculo rpido y de interpretacin sencilla.

En los datos mostrados en la tabla, el valor de la Mediana es de 08.

Rango:

Esta es la medida de dispersin que se define como la diferencia entre el mayor y el menor de los valores o lecturas en una serie de datos. Rango R =lectura mayor lectura menor.

Rango R = 12-3 R=9 Varianza: Una forma de medir la variabilidad de una seria de datos, consiste en calcular las diferencias de cada dato respecto del centro de los datos representado por su promedio. (Para el clculo de la varianza tomaremos 10 valores de la tabla de datos)
10 04 10 05 11

La media de estos valores es: 40/5 = 8

Para la tabla de kg/dia de granos inmaduros, la varianza es: V = (X1-X)+ (X2-X)+..........+ (Xn-X) = n V = (10-8)+ (04-8)+ (10-8)+ (05-8)+ (11-8) =
10

V = (42) = 8.4 5

Lo que implica que la variabilidad de los datos de la muestra es 8.4 kg/da

Desviacin Estndar:

La desviacin estndar de un conjunto de datos, es una medida de cunto se desvan los datos de su media. La desviacin estndar muestral, no es otra cosa que la raz cuadrada de la varianza

 = V = 8.4 = 2.89 Basndonos en lo anterior se tiene que = 0,28459, lo que significa que la variabilidad analizada en la misma unidad de los datos es de 0,28459 gr/da. Desviacin Media

Esta es la medida que indica, en promedio la desviacin de cada una de las lecturas con respecto a la media o promedia, siendo matemticamente la suma de los valores absolutos de las desviaciones, entre el nmero de ellas, es decir, Dm = |X1-X|+ |X2-X|+..........+ |Xn-X| = n
Dm = |10-8|+|4-8|+|10-8|+|5-8|+|11-8| = 5

Dm = = 2+4+2+3+3 = 2.8 5

Es decir, los datos de la tabla presentan un promedio de desviacin individual con respecto a la muestra de 2.8 km/da.

Coeficiente de Variacin:

El coeficiente de variabilidad tiene en cuenta el valor de la media aritmtica, para establecer un nmero relativo, que hace comparable el grado de dispersin entre dos o ms variables, y se define como:
X

CV =

100

Para nuestros datos tenemos:

2.89 100 = 39.26% 7.36

CV =

En estas tablas se incluyen tres clases de muestreo: simple, doble y mltiple. Para conocer los niveles de calidad se utilizara la tabla de plan de muestreo simple para inspecciones normales, para el empleo de estas tablas se debe conocer una letra que sirve de cdigo: Aplicacin de las Tablas de Muestreo:

Datos necesarios para entrar en las tablas: Tama o del lote ! "## $iveles de %alidad: o &enor: granos in'estados o &edio: granos partidos o &ayor: granos ro(os &uestreo )imple.

Para el tama o de lote que se tiene y un nivel de inspeccin normal, la letra cdigo que se tiene es: F, con este valor y con el del $%* se entra en la tabla ++,* -inspeccin normal. que se muestra a continuacin:

De la tabla anterior se obtiene: Tama o de muestra ! /# $iveles de %alidad &enor: 0ranos in'estados *c! 1 2e!3

$iveles de %alidad &edio: 0ranos partidos *c! " 2e! /

$iveles de %alidad &ayor: 0ranos ro(os *c! # 2e! "

La tormenta de ideas es una manera simple de generar mltiples ideas dentro de un equipo de trabajo, con el objeto de identificar las soluciones (o alternativas) a un determinado problema (o tema). La tormenta de ideas es una tcnica de grupo para la generacin de ideas nuevas y tiles, que permite, mediante reglas sencillas, aumentar las probabilidades de innovacin y originalidad. Se aplic est tcnica para determinar cuales eran los principales problemas que se estaban suscitando con la baja en la Parbolizado de grano medio en los ltimos 5 meses. venta de Arroz

Aplicacin de la tcnica: Grupo: Ing. Gustavo Cordido Ing. Fortunato Taronna Ing. Arennie Lpez Ing. Roberto Torres Moderador: Ing. Fortunato Taronna Lista de Ideas: Malas negociaciones por parte del Departamento de Ventas Acaparamiento de los supermercados del producto Falta de demanda por parte de los consumidores Inconformidad con respecto a los precios de venta al pblico Falta de campaas de Publicidad.

Posibles soluciones: Inspeccin regular en los supermercados que ofrecen nuestro producto. Contratacin de publicistas calificados para emprender una innovadora campaa publicitaria a travs de los medio de comunicacin audiovisuales Adiestramiento en el Departamento de Ventas

Planteamiento de la estrategia de solucin. Realizar todo lo necesario para implementar y comenzar cursos de adiestramiento para el personal del Departamento de Ventas y sancionar a todos aquellos responsables de no contribuir con la generacin de resultados satisfactorios.

Es una Tcnica grafica ampliamente utilizada, que permite apreciar con claridad las relaciones entre un tema o problema y las posibles y las posibles causas que pueden estar contribuyendo para que l ocurra. A travs de esta representacin grfica, se estudiarn las causas de la obtencin de granos partidos y de color rojo al final de proceso de produccin de arroz blanco parbolizado Premium. Distribucin del producto
Acaparamiento de producto en las distribuidoras

Coordinacin de Ventas Malas Negociaciones

Inconformidad con precio

Consumidor es

Poco conocimiento del producto

Baja en la venta de Arroz Parbolizado de grano medio

Con la finalidad de priorizar las ca sas ! deficiencias " e afec#an en ma!or grado los pro$lemas e%p es#os an#eriormen#e, se realizo la #&cnica de gr po nominal '(.).*+ la c al con#o con el personal per#enecien#e al ,rea de es# dio, descri#a an#eriormen#e, ponderando las deficiencias seg-n s impor#ancia 'del 1 al 10+ .s/ con es#as ponderaciones ! la a! da de los par#icipan#es, " ienes por e%periencia ! conocimien#o del proceso es#,n en la capacidad de e0al ar el ni0el de infl encia de cada na de las deficiencias e%is#en#es, se realizo la (.).*. ! los res l#ados f eron los sig ien#es1

Descripcin

Sujetos de Estudio

Gerente de Planta Ausencia de Mantenimiento preventivo para las maquinarias de produccin. Mala Operacin de los Equipos Alto Nivel de Almidn en el Arroz

Gerente de mantenimient o

Gerente de Ventas

Gerente de Desarroll o

Gerente de calidad

Total

10

22

12

19

Falta de Campaas Publicitarias

13

Inconformidad con respecto al precio de venta al publico

18

El diagrama Caja Negra es una representacin grfica y simplificada que visualiza cualquier actividad o conjunto de actividades que utilizan recursos para transformar elementos de entrada en resultados que puedan considerarse como un proceso, adems contiene una informacin detallada determinada para cada proceso con respecto a los ndices establecidos en la fase anterior de la respuesta. La Caja Negra es una herramienta o instrumento que detalla entradas y salidas principales y circunstanciales del proceso productivo de la empresa, de igual manera se utiliza como tcnica para la observacin directa y para el levantamiento de informacin necesaria con la finalidad de esquematizar tanto el recurso humano, como los documentos, equipos necesarios en le proceso, que tienen relacin directa con los objetivos de calidad. Aplicacin de la Caja Negra: Para la elaboracin del Diagrama Caja Negra se estudiaron las principales operaciones que se llevan a cabo en el proceso de pasteurizacin de la leche cruda.

Entradas Principales

PROCESO PRODUCTIVO DE ARROZ PARBORIZADO CALIDAD PREMIUM

Salidas Principales
Arroz Empaquetado Parbolizado Calidad Premium

Energa elctrica Maquinaria Arroz cscara Bolsas empaquetadoras

Salidas Secundarias
Grano de arroz partido, rojo y mal empaquetado

Un diagrama de rbol es un mtodo grfico para identificar todas las partes necesarias para alcanzar algn objetivo final. En mejora de la calidad, los diagramas de rbol se utilizan generalmente para identificar todas las tareas necesarias para implantar una solucin.

Detect ar las fallas de la compet encia Realiza r Encues tas al consum idor

Realiza r cursos de Motiva cin

Otorgar premios a quienes logren destacar se

Contratar publicista s para desarrolla r la campaa Realizar un estudio de la capacidad productiva de la empresa

Adiestramien to del personal Hacer un estudio de mercado

Anlisis de Produccin Hacer Campaa publicitaria

Ampliar las ventas de Arroz Parbolizado Calidad Premium

Mediante este diagrama ordenado y desglosado de una forma muy resumida obtendramos el aumento de las ventas del Arroz Parbolizado.

Grfico cuyas barras verticales estn ordenadas de mayor a menor importancia; estas barras representan datos especficos correspondientes a un problema determinado, la barra ms alta est del lado izquierdo y la ms pequea, segn va disminuyendo de tamao, se encuentra hacia la derecha. Uso: Ayuda a dirigir mayor atencin y esfuerzo a problemas realmente importantes, o bien determina las principales causas que contribuyen a un problema determinado y as convertir las cosas difciles en sencillas. Este principio es aplicable en cualquier campo, en la investigacin y eliminacin de causas de un problema, organizacin de tiempo, de tareas, visualizacin del antes y despus de resuelto un problema, o en todos los casos en que el efecto final sea el resultado de la contribucin de varias causas o factores.

Procedimiento Seleccionar categoras lgicas para el tpico de anlisis identificado (incluir el periodo de tiempo). Reunir datos. La utilizacin de un Check List puede ser de mucha ayuda en este paso. Ordenar los datos de la mayor categora a la menor totalizar los datos para todas las categoras calcular el porcentaje del total que cada categora representa, trazar los ejes horizontales (x) y verticales (y primario - y secundario), trazar la escala del eje vertical izquierdo para frecuencia (de 0 al total, segn se calcul anteriormente). De izquierda a derecha trazar las barras para cada categora en orden descendente. Si existe una categora otros, debe ser colocada al final, sin importar su valor. Es decir, que no debe tenerse en cuenta al momento de ordenar de mayor a menor la frecuencia de las categoras. Trazar la escala del eje vertical derecho para el porcentaje acumulativo, comenzando por el 0 y hasta el 100%

Trazar el grfico lineal para el porcentaje acumulado, comenzando en la parte superior de la barra de la primera categora (la ms alta) dar un ttulo al grfico, agregar las fechas de cuando los datos fueron reunidos y citar la fuente de los datos. analizar la grfica para determinar los pocos vitales. Con el empleo del Diagrama de Pareto podemos obtener en forma

grfica y de fcil interpretacin el impacto que tiene los problemas existentes en la empresa.

Para realizar el Diagrama de Pareto se tom en cuenta los datos obtenidos en la Tcnica de Grupo Nominal.

Causa A C E D B Total

Frecuencia 22 19 18 13 12 86

Porcentaje 27,90 % 22,09 % 20,93 % 15,11 % 13,95 % !! "

Acumulado 27,90 % 29,99 % 70,92 % 86,03 % 100 %

Graficando los datos anteriores obtenemos:

En base al diagrama de pareto podemos concluir que debemos atacar prioritariamente los problemas A y C

La capacidad del proceso se refiere bsicamente a la evaluacin de si un proceso produce un producto de manera consistente con las especificaciones fijadas por el diseador del proceso del producto o servicio; se refiere a la determinacin de una prediccin cuantificable del desarrollo del proceso. La capacidad, por lo tanto, se refiere a la capacidad de un proceso de entregar un producto consistente con las especificaciones ya estimadas. Para el clculo de la capacidad del proceso se toma en cuenta el proceso ms importante el empaquetado del Arroz Parborizado Calidad Premium, mediante una maquina empaquetadora, puede funcionar el 80% de su capacidad. As se tiene que la capacidad de produccin en el proceso de empaquetado: Capacidad
1100ki log ramosx 2empaquetadorasx 0.8 8h ki log ramos x = 12.080 1hora 1da da

Asumiremos que esta

Es una ecuacin que nos permite calcular el potencial de produccin de nuestra empresa. En Industrias CERO C.A. se procede a calcular la capacidad de produccin del empaquetado de Arroz Parborizado Calidad Premium por ser el producto principal de produccin de dicha empresa. El ndice de capacidad de produccin diaria es:
1100ki log ramos 8h 8800ki log ramos x = 1hora 1da da

Icap =

Recepcin de material de empaque

2 .pr

Inspeccin de Materia

Recepcin del Arroz

Secado del Arroz

1 Almacn de material de empaque

Almacn de Secado

Molienda

Almacn de Molienda Empaquetado

1 3 Almacn de Producto Terminado 3 Operaciones Trasporte

2 Inspecciones 4 Almacenes

3la$orado por1 4ng. (aronna 5or# na#o

6e0isado por1 4ng. .rennie 78pez

.pro$ado por1 4ng. ) s#a0o Cordido

Permiten visualizar el comportamiento de las variables durante un periodo determinado, los datos 'ueron procesados para calcular los valores m45imos -limite de control superior.6 los valores medios y los valores m7nimos -limite de control in'erior. entre los que se deben comportar las variables cr7ticas. )e recogieron "## datos correspondientes al consumo diario en toneladas de arroz c4scara. 8os mismas se dispusieron en /# subgrupos con 3 datos en cada uno.

Sub%rupo
"

$&
"9,:

$'
/#,1 /# "9,: /1,: "3,< "9,< "9,; "9,9 "=,9 /:,1 /",1 "3,9 // ";,< ";,9 /1,1 "<,1 "=,: "<,1 "=,"

$(
";,9 "<,9 //," "=,9 "=,9 "=,: "<," // /:," "3,9 /#," ";,: "9,= "<,9 "9,; /" /#," "9,1 ";,< "1,9

$)
"<," ";,1 ";,9 ":,9 "9,: /#,3 ";,1 "<,= /#,1 "=,: "<,1 "=,1 ";,< /#,: /# "9 //,1 /:,1 /" /1,"

$*
"9,1 "=,: ";,: "9,3 /",: //,1 ";,: "=,= // "9,1 ":,3 "<,1 /3,1 /",= /",; "=,1 /:,< "=,9 //,= /#,1 T>T*8

+$
91," 9",1 9:,9 9:,1 9/,= "#",< 91,1 9<," "#/,9 "#3 9=,3 =9,1 ""# 9:,; 9;,9 "#",: "#1 "#",< 9/,< 9#,: "93<,=

$
"=,</ "=,/< "9,"= "9,#< "=,:< /#,1/ "=,<< "9,// /#,:= /#,= "9,<= ";,=< // "9,"3 "9,:= /#,1 /#,< /#,1/ "=,:/ "=," 1=9,1<

R
3,/ 1," 3,< ;,< <,9 1,= <,< :,/ =,: "#,3 9,9 ;,3 =,; 3,9 1,= : 9,1 <,= <,: = "1",/

/ 1 3 : < ; = 9 "# "" "/ "1 "3 ": "< "; "= "9 /#

"=,< "=,9 ";,< "=,1 /#,= //,; "=,< "<,< /< /:,1 //,1 /<,1 "=,9 "=,< "9,9 "=,; "9,< "3,9 ":,"

P2>&ED+>)

$ : "9,3<=

R : <,:<

HOJA DE DATOS PARA UNA

R!F"#A $

RAF"#O $

,-nea #entral ,# . $ ,# . &/0)12

,i3ite de #ontrol Superior ,#s . $ 4 A' 5 R ,#s . &/7)12 4 67*88 5 17*1 ,#s . '(7'*( ,i3ite de #ontrol "n9erior ,#i . $ : A' 5 R ,#i . &/7)12 4 67*88 5 17*1 ,#i . &*712( donde A' . 67*88 donde A' . 67*88

0r4'ico de %ontrol

/: /# ": "# : # " / 1 3 : < ; = 9 "# "" "/ "1 "3 ": "< "; "= "9 /#

#imite $u%erior& #imite 'n(erior& #)nea Central1

+nterpretacin del gr4'ico.

)e dice que el proceso debe ser estudiado a 'ondo ya que los valores casi coinciden con los limites de control, es por ello que el comportamiento de las variables no est4 ba(o control.