Beruflich Dokumente
Kultur Dokumente
Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2017.
Anlisis de Datos
2
Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2017.
Anlisis de Datos
3
Causas comunes
Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2017.
Anlisis de Datos
4
Causas Asignables
Hiptesis Nula
H0: El proceso de produccin se encuentra bajo
control
Hiptesis Alternativa
Ha: El proceso de produccin se encuentra fuera
de control
Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2017.
Anlisis de Datos
6
H0 Verdadera H0 Falsa
Decisin Bajo-Control Fuera-de-Control
Error Tipo II
Acepto H0
Decision Dejar que continue
Continua el
Correcta un proceso fuera
Proceso de control
Rechazo H0 Error Tipo I
Decision
Se ajusta el Ajustar un proceso
Correcta
Proceso Bajo control
Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2017.
Anlisis de Datos
7
Grficos de Control
SPC utiliza presentaciones grficas conocidas como
grficos de control para monitorear un proceso de
produccin.
Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2017.
Anlisis de Datos
8
Grficos de Control
Dos lneas importantes en un grfico de control: el lmite
superior de control (UCL) y el lmite inferior de control
(LCL).
Estas lneas se eligen de modo que el proceso est bajo
control, por ello hay una alta probabilidad de que el valor
muestreado est entre las dos lneas.
Valores fuera de los lmites de control nos proporcionan
fuerte evidencia de que el proceso est fuera de control.
Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2017.
Anlisis de Datos
9
Grficos R
Esta tabla se utiliza para controlar el rango de las
mediciones de la muestra.
Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2017.
Anlisis de Datos
10
Grfico np
Este grfico se utiliza para controlar el nmero de
unidades defectuosas en la muestra.
Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2017.
Anlisis de Datos
11
Estructura de un Grfico X
Lmite
X Superior
de Control
UCL
LCL
Lmite
Tiempo Inferior de
Control
Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2017.
Anlisis de Datos
12
UCL = m + 3 s X
LCL = m + 3 s X
donde:
s
sx =
n
n = tamao de la muestra
Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2017.
Anlisis de Datos
13
Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2017.
Anlisis de Datos
14
Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2017.
Anlisis de Datos
15
3R
UCL = X +
d2 n
3R
LCL = X
d2 n
Donde:
=
_X = gran media de varias muestras de igual tamao
R = promedio de los rangos de muestras
n = tamao de la muestra
d2 = constante que depende de n; se encuentra
en la tabla 9 Factores de diagrama de Control
Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2017.
Anlisis de Datos
16
URL = X + A2 R
LRL = X - A2 R
donde:
X = gran media de varias muestras de igual tamao
R = promedio de los rangos de muestras
A2 = constante que depende de n; se encuentra
en la tabla 9 Factores de diagrama de Control
Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2017.
Anlisis de Datos
17
n d2 A2 d3 D3 D4
5 2.326 0.577 0.864 0 2.114
6 2.534 0.483 0.848 0 2.004
7 2.704 0.419 0.833 0.076 1.924
8 2.847 0.373 0.820 0.136 1.864
9 2.970 0.337 0.808 0.184 1.816
10 3.078 0.308 0.797 0.223 1.777
. . . . . .
. . . . . .
Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2017.
Anlisis de Datos
18
UCL = R D4
UCL = R D3
donde:
R = promedio de los rangos de muestras
D3, D4 = constantes que dependen de n; y se
encuentran en la tabla 9 Factores de
diagrama de Control
Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2017.
Anlisis de Datos
19
n d2 A2 d3 D3 D4
5 2.326 0.577 0.864 0 2.114
6 2.534 0.483 0.848 0 2.004
7 2.704 0.419 0.833 0.076 1.924
8 2.847 0.373 0.820 0.136 1.864
9 2.970 0.337 0.808 0.184 1.816
10 3.078 0.308 0.797 0.223 1.777
. . . . . .
. . . . . .
Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2017.
Anlisis de Datos
20
Grficos R
Debido a que los lmites de control para X dependen
del valor del rango promedio, por lo que no tiene
mucho sentido controlarlos a menos que la variabilidad
del proceso est bajo control.
En la practica, los Grficos R se construyen usualmente
antes que los Grficos X.
Si el Grfico R indica que la variabilidad del proceso
est bajo control, entonces se construye el Grfico X.
Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2017.
Anlisis de Datos
21
Lmites de Control de R y X:
Media y Desviacin Estndar del
proceso desconocidas
Ejemplo: Granite Rock Co.
Supongamos que Granite Rock no sabe la verdadera media
y la desviacin estndar para el proceso de llenado de las
bolsas. Se quiere desarrollar Grficos X y R basados en
veinte muestras de 5 bolsas de cada uno.
Los veinte muestras, recogidas cuando el proceso estaba
bajo control, dieron lugar a una media de la muestra total
de 50.01 libras y un rango promedio de 0.322 libras.
Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2017.
Anlisis de Datos
22
R = 0.322, n = 5
UCL = R D4 = .322(2.114)
UCL = 0.681
LCL = R D3 = .322(0.0)
LCL = 0
Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2017.
Anlisis de Datos
23
0.60
0.50
0.40
0.30
0.20
0.10
LCL
0.00
0 5 10 15 20
Nmero de muestra
Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2017.
Anlisis de Datos
24
X = 50.01, R = 0.322, n = 5
Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2017.
Anlisis de Datos
25
50.1
50.0
49.9
49.8
LCL
49.7
0 5 10 15 20
Nmero de Muestra
Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2017.
Anlisis de Datos
26
UCL = p + 3 sp
LCL = p - 3 sp
donde:
p (1-p)
sp =
n
asumiendo: np > 5
n(1-p) > 5
Nota: Si al calcular el LCL es negativo, hacer LCL = 0
Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2017.
Anlisis de Datos
27
Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2017.
Anlisis de Datos
28
6 4 5 7 6 8 6 9 8 5
5 11 5 8 6 4 7 5 6 7
Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2017.
Anlisis de Datos
29
Lmites
Suppose de
Norwest Control de
does not know theun Grfico
proportion of p
defective checks, p, for the encoding process when it is
in control.
Vamos a tratar los datos (20 muestras) recogidos
como una gran muestra y calcular el nmero medio
de controles defectuosos de todos los datos. Ese
valor se puede usar para estimar p.
Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2017.
Anlisis de Datos
30
Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2017.
Anlisis de Datos
31
UCL
0.030
0.025
0.020
0.015
0.010
0.005
LCL
0.000
0 5 10 15 20
Nmero de Muestra
Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2017.
Anlisis de Datos
32
UCL = n p + 3 n p (1 p)
LCL = n p 3 n p (1 p)
Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2017.
Anlisis de Datos
33
Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2017.
Anlisis de Datos
34
Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2017.
Anlisis de Datos
35
Muestreo de Aceptacin
El muestreo de aceptacin es un mtodo estadstico
que nos permite basar la decisin de aceptar-rechazar
Un lote grande, sobre la base de la inspeccin de
una muestra.
Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2017.
Anlisis de Datos
36
Muestreo de Aceptacin
El muestreo de aceptacin tiene ventajas sobre la
inspeccin 100% que incluyen:
Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2017.
Procedimiento del Muestreo de Aceptacin
Recepcin del Lote
Seleccin de la muestra
Inspeccin de Calidad
de items seleccionados
Muestreo de Aceptacin
Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2017.
Anlisis de Datos
39
Error Tipo I
Rechazar H0 Decisin
Rechazo un Lote
Rechazar el Lote Correcta
de Buena Calidad
Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2017.
Anlisis de Datos
40
n!
f(X) = pX(1 p)(n X)
X! (n X)!
Donde:
n = tamao de la muestra
p = proporcin de items defectuosos en el lote
X = nmero de items defectuosos en la muestra
f(X) = probabilidad de obtener x items defectuosos
en la muestra
Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2017.
Anlisis de Datos
41
Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2017.
Anlisis de Datos
42
n = 20, c = 2, y p = 0.05
P(Rechazar el Lote) = 1 P(Aceptar el Lote)
= 1 0.9246
= 0.0754
Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2017.
Anlisis de Datos
44
Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2017.
Anlisis de Datos
45
Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2017.
Anlisis de Datos
46
Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2017.
Anlisis de Datos
47
SI Aceptar
x1 < c1 ?
el lote
No
Rechazar SI
x1 > c2 ?
el lote Segunda
No Etapa
Inspeccin de n2 items aditionales
No SI
x1 + x2 < c3 ?
Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2015.
2017.
Anlisis de Datos
48
Notas de clase elaboradas por el Prof. Toms Minauro L. Lima, esan, 2015.
2017.