Beruflich Dokumente
Kultur Dokumente
Universidad de Cantabria
Material elaborado por M. Dolores Fras, Jes
us Fernandez y Carmen M. Sordo profesores del
Departamento de Matematica Aplicada y Ciencias de la Computacion.
Contenido
1. Gr
aficos c
2. Gr
aficos np
3. Gr
aficos X y R
1.
Gr
aficos c
Comenzaremos analizando en detalle como obtener la representacion del grafico c a traves del
siguiente ejemplo. Recordad que este tipo de grafico analiza el n
umero total de defectos durante
sucesivos intervalos de tiempo o espacio de longitud fija.
Un peque
no restaurante de carretera ha recogido todos los meses durante dos a
nos el n
umero
de quejas que ha recidido en relaci
on a los servicios que presta. Realiza un gr
afico de control
e indica si el proceso se encuentra bajo control o no, utilizando los datos recogidos en el
fichero quejas.xls.
En primer lugar cargamos el fichero de datos. La funcion read.xls incluida en el paquete gdata nos
permite leer ficheros de excel (.xls)1 . A continuacion representamos la variable n
umero total de quejas
con la siguiente orden de R:
install.packages(gdata)
library(gdata)
quejas <- read.xls(quejas.xls)
attach(quejas)
plot(Quejas,type="l",lwd=2,col="black", main="Grafico c", ylab="numero de quejas",
xlab="Fecha")
Ahora calculamos el lmite central y los lmites superior e inferior de control siguiendo la formulacion vista en clase.
CL<-mean(Quejas); CL
LCL<-CL-3*sqrt(CL); LCL
UCL<-CL+3*sqrt(CL); UCL
Como el valor de LCL que obtenemos es negativo debemos cambiar este lmite a 0 ya que en este caso
un valor negativo no tiene sentido. Representamos esos valores en el grafico con la funcion abline.
abline(h=CL, col="blue", lwd=2)
abline(h=c(LCL,UCL), col="red", lwd=2, lty=2)
Observamos que hay un punto fuera de los lmites de control, luego el proceso no esta en estado de
control.
La librera qcc nos permite obtener ese mismo grafico con la orden:
qcc(Quejas, type=c)
2.
Gr
aficos np
De la misma manera que hemos representado los graficos c podemos representar cualquier otro
tipo de grafico de control. En este caso los graficos np se emplean para representar la cantidad de
unidades defectuosas en la muestra. Analizaremos este tipo de grafico para el siguiente ejemplo.
Una empresa fabrica peque
nas piezas de PVC mediante un proceso mecanizado. Al analizar
las piezas se puede determinar si estas tienen las dimensiones adecuadas o no, en cuyo caso
se considera defectuosa. La empresa quiere elaborar un gr
afico de control para controlar
el n
umero de piezas defectuosas producidas por la m
aquina. Para ello se seleccionaron 30
muestras de tama
no 50 cuyos datos se encuentran en el fichero pvc.xls. Construya el gr
afico
de control para la empresa y analice la informaci
on obtenida.
1
Tambien se pueden guardar los ficheros en formato csv desde una hoja de c
alculo y abrir los ficheros generados
directamente desde R.
3.
Gr
aficos X y R
Estos son gr
aficos que representan dos caractersticas de tipo continuo la media (grafico X) y la
variabilidad a traves del rango (gr
afico R). Analizaremos estos graficos de control a partir del siguiente
ejemplo.
En una f
abrica que produce tuberas se han medido los di
ametros (en mm) de 16 tuberas.
En el fichero tuberias.txt se muestran los datos obtenidos a lo largo de 8 intervalos de
muestreo sucesivos, en cada uno de los cuales se han seleccionado al azar 2 tuberas para
medir sus di
ametros xt1 y xt2. Dibujar el gr
afico X, puede decirse que la media y la
variabilidad del proceso est
an bajo control?
Comenzamos haciendo los c
alculos necesarios para representar el grafico X.
n<-ncol(tuberias)
xbar<-apply(tuberias,1,mean)
R_t<-as.vector(diff(apply(tuberias,1,range)))
Rbar<-mean(R_t)
d2<-1.128
sigma_xbar<-Rbar/(d2*sqrt(n))
CL<-mean(xbar);CL
LCL<-CL-3*sigma_xbar;LCL
UCL<-CL+3*sigma_xbar;UCL
Con estos datos obtenemos el gr
afico X:
plot(xbar, type="l", lwd=2, col="black", main="Grafico X", ylab="xbar (mm)",
xlab="tiempo", ylim=c(75,85))
abline(h=CL, col="blue", lwd=2)
abline(h=c(LCL,UCL), col="red", lwd=2, lty=2)
3
Del grafico podemos concluir que la media del proceso esta en estado de control.
Hacemos ahora los c
alculos necesarios para representar la variabilidad del proceso a traves del
grafico R.
dR<-1.323
sigma_R<-Rbar/dR
CL<-Rbar;CL
LCL<-CL-3*sigma_R;LCL
LCL<-0
UCL<-CL+3*sigma_R;UCL
LCL es un valor negativo que en este caso no tiene sentido, por lo que establecemos el valor de LCL
a cero.
plot(R_t, type="l", lwd=2, col="black", main="Grafico R", ylab="xbar (mm)",
xlab="tiempo", ylim=c(0,5))
abline(h=CL, col="blue", lwd=2)
abline(h=c(LCL,UCL), col="red", lwd=2, lty=2)
La variabilidad del proceso est
a bajo control.
La librera qcc nos permite obtener esos mismos graficos con los comandos:
qcc(tuberias, type=xbar)
qcc(tuberias, type=R)
Practica t
u mismo
1) En una fabrica de azulejos se hornean azulejos de un metro de largo y 0.33 de ancho. Debido a
la dimension de los azulejos es normal que en algunos casos los azulejos muestren deformidades. Con
el fin de controlar este problema, la f
abrica realiza un control de calidad entre los azulejos fabricados
en un mismo da. En el fichero azulejos.xls se recogen el n
umero de deformidades contabilizadas en
las muestras de azulejos analizadas en distintos das de produccion. Realice un grafico de control y
determine el estado del proceso de fabricacion de azulejos.
Practica t
u mismo
Practica t
u mismo
3) Una fabrica de pasta alimentaria ha sacado al mercado un nuevo tipo de pasta baja en grasa.
El departamento de calidad de la empresa ha ido tomando muestras de la produccion generada a
intervalos de tiempo regulares con el fin de controlar el porcentaje de grasa por 100gr de producto.
El fichero pasta.xls recoge los resultados de los sucesivos analisis realizados agrupados de cinco en
cinco. Utilizando estos datos, estudie si la media y la variabilidad del proceso de fabricacion est
an
bajo control.
Practica t
u mismo