Control Estadístico de Calidad: Carlos Viesca González

Control Estadstico de
Calidad
Carlos Viesca Gonzlez
Carlos Viesca Gonzlez 1

CAPTULO 1
Conceptos bsicos y
variabilidad.

CALIDAD
(ISO 9000:2000)
Grado en el que un conjunto de
caractersticas (rasgos diferenciadores)
inherentes (existen en algo,
especialmente como caractersticas
permanentes) cumple con los requisitos
(necesidad o expectativa establecida,
generalmente implcita u obligatoria).

Dimensiones de la
calidad (Garvin, 1987)
La calidad de un producto se puede evaluar
de varias formas:
1. Desempeo. Desempear el producto la
funcin para la cual fue creado?
2. Confiabilidad. Con qu frecuencia falla el
producto?
3. Durabilidad. Cunto dura el producto?
4. Disponibilidad del servicio. Qu tan fcil
es reparar un producto?
Dimensiones de la
calidad (Garvin 1987)
5. Esttica. Cmo se ve el producto?

6. Caractersticas distintivas. Qu ms
hace el producto?
7. Calidad percibida. Cul es la reputacin
de la compaa o de sus productos?
8. Conformancia o cumplimiento con los
estndares. Est hecho el producto
conforme el diseador lo pretenda?
Calidad significa adecuacin
para el uso.
Adecuacin para el uso

Calidad de diseo. Un producto o
servicio se produce con un grado o
nivel de calidad, el cual es
intencional.

Adecuacin para el uso
Calidad de conformancia. Qu tan
bien cumple un producto o servicio
con las especificaciones de diseo. Se
ve afectada por: el proceso de
manufactura, el entrenamiento y la
supervisin, el sistema de calidad, el
grado al cual se aplican los
procedimientos del sistema de calidad
y la motivacin de la fuerza de
trabajo, entre otros factores.
Algunas definiciones de
calidad
Adecuacin para el uso o para la

funcin.
El grado al cual un producto especfico
satisface los deseos de un cliente en
particular.
Proveer productos y servicios que
cumplan con las expectativas de los
clientes a lo largo de la vida del
producto o servicio a un costo que
represente valor para el cliente.
calidad
El grado al cual un producto es conforme
a las especificaciones del diseo.
Las caractersticas o atributos que
distinguen a un artculo de otro.
Conformancia con los requerimientos de
ingeniera aplicables, de acuerdo con las
especificaciones, dibujos y dems
documentos de ingeniera relacionados.

calidad
Las definiciones anteriores no han
sido muy tiles por alguno o varios
de los siguientes aspectos:
a) Estn basados en atributos y son de
naturaleza cualitativa.
b) Estn basados en manufactura y no
en diseo (se ve la calidad hasta el
final del proceso de manufactura)
calidad
c) No establecen claramente la
relacin apropiada entre deseos,
necesidades, expectativas del
cliente y la funcin del producto.
Un producto se puede vender por
un atributo pero perder mercado
por su funcin, por su calidad.

Funcin de prdida de
Taguchi.
La prdida impartida a la sociedad
durante el uso de un producto es
un resultado de la variacin
funcional y de los efectos dainos
derivados del uso del mismo
(efectos colaterales que no estn
relacionados con la funcin del
producto).
Funcin de prdida de
Taguchi.
Ejemplo de las agendas:
Para este ejemplo:

Prdidas ($)
Valor nominal u objetivo= 22 cm

Prdidas Prdidas
menores mayores
Especificaciones o tolerancias= 22 .3 cm
Lmite inferior de especificacin (LIE) = 21.7
cm
Lmite superior de especificacin (LSE) =
21.7 22.3 22.3 cm
Longitud del corte del forro por agenda

Actualmente funcin de
prdida
Prdida de calidad
Se comporta de forma
exponencial en las
prdidas
Valor nominal
Caractersticas de calidad

Actualmente funcin de
prdida
En algunos estudios empricos se ha encontrado:
Tendencia
Prdidas ($)
Actualmente la tendencia de
control de calidad es la reduccin
de variabilidad
Prdida de calidad
Caracterstica de calidad
Valor nominal

Variabilidad
(Devor, 1992)
No existen dos productos
exactamente iguales.
La falla de un producto para
alcanzar la funcin que se pretende,
segn el cliente, puede surgir de
alguna o de las dos siguientes
fuentes:
1. Falla para lograr el desempeo nominal
requerido por el diseo.
2. Variacin excesiva alrededor del nivel
de desempeoCarlos
nominal pretendido.
Viesca Gonzlez 16
Variabilidad
Las fuentes de variacin son fuentes de
desperdicio e ineficiencias y por cada
fuente de variacin identificada y
removida se experimentarn
incrementos en calidad y productividad.
La variabilidad se puede describir en
trminos estadsticos y aqu es dnde
encaja el uso de mtodos estadsticos
en el mejoramiento de la calidad.
Mejoramiento de la
calidad (Montgomery, 1997)
Reduccin de la variabilidad en
procesos y productos. Excesiva
variabilidad en el desempeo de un
proceso se traduce frecuentemente
en desperdicio.
Y en servicios? Reduccin de
desperdicio.
Control estadstico de la
Calidad
(Besterfield, 1995)
Consiste en el acopio, anlisis e

interpretacin de datos para su uso
en el control de calidad. Dos
elementos importantes del CEC son
el Control Estadstico de Procesos
(CEP) y el Muestreo de Aceptacin.

CAPTULO 2
Grficas de Control

Grficas de control
3 x
Lmite superior de control (LSC)

Lnea central (LC)
3 x
Lmite inferior de control (LIC)
tiemp
o
Dnde el tiempo representa la muestra o subgrupo

Grficas de control
Las grficas de control nos muestran cmo se
compara una caracterstica a travs del tiempo.
Si todos los puntos estn dentro de los lmites y
no siguen un patrn especfico, se dice que el
proceso est bajo control o bajo control
estadstico.
Los lmites de control dependen del
comportamiento de los datos.

Grficas de control
Concepto de control estadstico de
Shewhart:
Se dice que un fenmeno est controlado
cuando, a travs del uso de la experiencia
pasada, se puede predecir al menos dentro de
ciertos lmites como se espera que varie el
fenmeno en el futuro.
Si un proceso no est en estado controlado, la
productividad o el xito econmico no se
garantiza.
Grficas de control
Lmites de especificacin:
dependen del diseo o del cliente.
Lmites de control: los determina

el proceso.

Zonas de una grfica de
control
Zona A= media + 3= 99% de los datos

Zona B= media + 2= 95% de los datos
Zona C= media + = 68% de los datos

Grficas de control
Ocho pruebas para verificar que una grfica est
bajo control estadstico:
Prueba # 1: un dato fuera del lmite de control
LSC
A
B
C
LC
C
B
A
LIC
tiempo

Grficas de control
Prueba # 2: Prueba # 3:
Ocho puntos en forma Cinco puntos consecutivos en

consecutiva por arriba o por forma ascendente o
debajo del promedio descendente
LSC
LSC
A
A
B
B
C
C LC
LC C
C
B
B
A
A
LIC
LIC
tiempo
tiempo
Grficas de control
Catorce puntos alternndose Dos o tres puntos en la zona A

en forma consecutiva arriba y o ms all
abajo.
LSC
LSC
A
A
B
B
C
C LC
LC C
C
B
B
A
A
LIC
LIC
tiempo
tiempo
Grficas de control
Cuatro de cinco puntos Quince puntos consecutivos en

consecutivos en la zona B o la zona C
ms all
LSC
LSC
A
A
B
B
C
C LC
LC C
C
B
B
A
A
LIC
LIC
tiempo
tiempo
Grficas de control
Prueba # 8:
Ocho puntos consecutivos que no caigan en la zona C
LSC
A
B
C
LC
C
B
A
LIC
tiempo

Grficas de control
Cuando una grfica no est en control
estadstico, se puede deber a:
Causas comunes de variacin: fuentes de
variacin dentro de un proceso que tienen
una distribucin estable y repetible en el
tiempo.
Causas especiales de variacin: factores que
causan variacin y que no estn actuando
siempre sobre el proceso.

Estadstica de las
grficas de control
Prueba de hiptesis:
Ho: El proceso est bajo control vs

Ha: El proceso no est bajo control
Error tipo I: Rechazar Ho cuando Ho es

verdadero. Se concluye que el proceso no
est bajo control, cuando realmente si lo
est.
P(Error tipo I)=

Estadstica de las
grficas de control
Error tipo II: Aceptar Ho cuando Ho es
falsa. Se concluye que el proceso est
bajo control, cuando realmente no lo
est.
P(Error tipo II)=
Para fines de clculo de y , suponga

que el proceso no est bajo control si
hay un cambio en la media del mismo.
Estadstica de las
grficas de control
Frmulas:
x x
Z x
x n

Estadstica de las
grficas de control
LSC
La media cambia
LIC
El error tipo II se obtiene con la nueva media

Curva caracterstica de
operacin
Es una medida de de la bondad de una
grfica de control para detectar cambios en
los parmetros de los procesos (, ).
P(no detectar cambios)=
Cambios en la media del proceso

ARL (Average run
length)
Denota el nmero de muestras que
en promedio se requieren para
detectar una seal fuera de control.
Si el proceso est bajo control:
1
ARL

Entre ms grande sea el ARL es mejor, ya que
no se tienen muchas falsas alarmas.

ARL (Average run
length)
Si el proceso no est bajo control:
1
ARL
1
Entre ms pequeo sea el ARL necesito menos
muestras para calcular el error tipo II

Efectos de los lmites
de control sobre y
a) si los lmites de control son ms anchos:
se reduce
se incrementa
b) si los lmites de control son ms

angostos:
se incrementa
se reduce
c) si se toman muestras ms grandes:

se reduce
se reduce

Tasa global de error
tipo II
P (total de error tipo I )
k
1 (1 i )
i 1
Donde:
K= # de reglas independientes usadas como

criterios para situaciones fuera de control.
i= P(error tipoI) con la regla
Tipos de grficas de
control
Para valores continuos:
Grfica de medias y desviacin
estndar.
Grfica de medias y rangos.
Grfica de observaciones individuales
y rangos mviles.
Tipos de grficas de
control
Para valores discretos (atributos):
Grfica de proporcin de artculos defectuosos
(p)
Grfica de nmero de artculos defectuosos (np)
Grfica de nmero de defectos o
disconformidades (C)
Grfica de nmero de defectos por unidad (U)

Beneficios de las
grficas de control
1. Son herramientas efectivas para entender la variacin
del procesoy ayudan a lograr el control estadstico.
2. Si un proceso est en control estadstico su

desempeo es predecible y tanto el fabricante como
el cliente pueden confiar en niveles consistentes de
calidad y en costos estables para lograr la calidad.
3. Un proceso bajo control estadstico se puede mejorar

a travs de la reduccin de variacin y el centrado en
un valor objetivo; esto reduce costos y mejora la
productividad.

Beneficios de las
grficas de control
4. Las grficas de control proporcionan un
lenguaje comn para comunicar informacin
sobre el desempeo de un proceso entre muy
diversas personas dentro y fuera de la
empresa.
5. Las grficas de control indican dnde est o
quien tiene la posible solucin de un problema,
con lo cual se minimiza la confusin,
frustracin y el costo de los esfuerzos mal
dirigidos para la solucin de un problema.
CAPTULO 2.1
Grficas para variables

x R
x S
Grfica de medias y
rangos
x R
Grficas de medias y
rangos
El procedimiento es el mismo que
en las grficas de medias y
desviacin estndar.
La forma de obtener los lmites de
control y la lnea central es la
siguiente:

Grficas de medias y
rangos
Grfica de rangos:
LC R
LSC D4 R
LSC D3 R
Grficas de medias y
rangos
Grfica de medias: antes de
calcular los lmites es necesario que
est bajo control la grfica de rangos.
LC x
LSC x A2 R
LSC x A2 R
Grficas de medias y
rangos
= se puede obtener a partir de
los datos recopilados, pero
generalmente se obtiene de la
informacin proporcionada por la
grfica de un proceso bajo control.
R

d2
Interpretacin de
grfica de rangos
Esta grfica se debe analizar primero,
ya que el comportamiento de los
promedios y de los rangos de los
subgrupos depende de la variabilidad
estimada de las piezas.
Se deben verificar las ocho pruebas
Verificar que no haya tendencias
Interpretacin de
grfica de medias
Si la grfica de rangos est bajo control, la
dispersin del proceso est estable y por lo tanto
se puede analizar la grfica de los promedios; los
lmites de control de esta grfica se basan en la
cantidad de variacin de los rangos. Con la
grfica de medias se determina si el centro del
proceso est cambiando con el tiempo y si ese es
el caso, entonces existen causas especiales de
variacin que estn ocasionando esos problemas.

Grfica de medias y
desviacin estndar
x S
Procedimiento para
elaborar una grfica x -
S
1. Defina cul ser la caracterstica de la
calidad: Otorgar la mxima prioridad a
aquellas variables o caractersticas medibles
y expresables mediante nmeros y que
causen problemas en produccin o costos.
2. Escoja el subgrupo racional: Los
elementos que conformen cada subgrupo
debern de haberse producido bsicamente
dentro de las mismas condiciones.

Procedimiento para
S
3. Recolectar los datos: Recoger
informacin de 25 subgrupos con ms de 10
datos en cada subgrupo. Regstrelos en una
hoja de datos.
4. Calcular los promedios para cada
subgrupo
5. Calcular : dividiendo el total de los
promediosxde cada subgrupo por el nmero
de subgrupos.
Procedimiento para
S
6. Calcular S: Calcular la desviacin
estndar de cada subgrupo.
i
( x x ) 2
S i 1
n 1
7. Calcular S: dividiendo el total de las S
de cada subgrupo por el nmero de
subgrupos.
Procedimiento para
S
8. Calcular las lneas de control:
Calcular cada una de las lneas de
control para la grfica
x y la
grfica S con las siguientes
frmulas:
Procedimiento para
S
Grfica S:

LC S
Lnea central:

LSC B4 S
Lmite superior de control:

LIC B3 S
Lmite inferior de control:
Nota importante: En estas grficas de control la

S
desviacin estndar se estima con la expresin
4 c
Procedimiento para
S
Grfica x :

LC x
Lnea central:
LSC x A3 S
Lmite superior de control:
Lmite inferior de control:LIC x A3 S

Procedimiento para
S
9. Dibujar las lneas de control: Preparar una hoja de
papel cuadriculado; dividirla en dos partes iguales para
las dos grficas, colocando en la parte inferior la de
desviaciones estndar y en la parte superior la de
medias; marcar cada eje vertical de la izquierda con los
valores de las media y de las desviaciones estndar,
segn sea el caso, y el eje horizontal con los nmeros
de los subgrupos. Dibuje una lnea slida para la lnea
central y una lnea punteada para los lmites.

Procedimiento para
S
10. Localizar los puntos: Registrar los
valores de la media y de la desviacin
estndar de cada subgrupo, por
partes, segn el nmero del subgrupo.
11. Registrar los datos que puedan

ser de utilidad: Escriba el tamao del
subgrupo (n) en el extremo superior
izquierdo de la grfica de medias.
Interpretacin de
grfica S
Primero se debe analizar esta grfica, ya que
si no est bajo control estadstico los lmites
de la grfica de medias no tendrn sentido.
En caso de que no este bajo control
estadstico, se debern encontrar las causas
especiales de variacin y eliminar los puntos
fuera de control y recalcular los lmites.

Interpretacin de
grfica de medias
Despus de haber revisado la grfica S, es
cuando se interpreta la de medias.
Nunca se deben relacionar los puntos en una
grfica de medias con los lmites de
especificacin, ya que los puntos en la grfica
son promedios y las especificaciones
corresponden a valores individuales,
presentando una variabilidad mayor que los
subgrupos.
Para ambas grficas
Se deben verificar las ocho pruebas

Verificar que no se presente ningn
patrn.
Datos normales.

Lmites de tolerancia
natural
Estos lmites se basan en
observaciones individuales.
LmiteSuperiorde Tolerancia(LSTN) 3
LmiteInferiorde Tolerancia(LITN) 3

Capacidad del proceso
Cp
Cpk

ndices de capacidad
del proceso
Los ndices de capacidad del proceso
intentan en un solo nmero si un proceso
puede cumplir consistentemente con los
requerimientos impuestos sobre un proceso
por clientes internos o externos.
Estos ndices no tienen unidades, lo cual
permite comparar dos procesos
completamente diferentes.
ndices de capacidad
del proceso
La limitante principal de estos
ndices es que no tienen significado
si los datos analizados provienen de
un proceso fuera de control y la
razn es que la capacidad del
proceso es una prediccin y solo se
puede predecir algo que es estable.
ndices de capacidad
del proceso
Para estimar la capacidad de un
proceso, es necesario que se
cumplan dos condiciones:
Proceso bajo control estadstico
Que los datos se distribuyan
normalmente

ndices de capacidad
del proceso
Generalmente se usan dos ndices para
evaluar la capacidad del proceso para
producir dentro de especificaciones:
Cp: ndice de capacidad potencial del proceso.
No toma en cuenta la media observada del
proceso.
Cpk: ndice de capacidad o habilidad real del
proceso. Si toma en cuenta la media observada
en el proceso.

ndices de capacidad
del proceso
Antes de ver como calcular el Cp y el Cpk, es
necesario revisar algunos conceptos.
LITN x 3 LIE
x LSE LSTN x 3
ndices de capacidad
del proceso
Dnde:
LSTN = lmite superior de tolerancia
natural
LITN = lmite inferior de tolerancia natural
LSE = lmite superior de especificacin
LIE = lmite inferior de especificacin

ndices de capacidad
del proceso
6 se puede considerar como la
dispersin real del proceso.
Puesto que ambos lmites se disponen
a una distancia de la media 3
respectivamente, entonces la
proporcin de observaciones entre
ambos lmites es del 99.73%

ndices de capacidad
del proceso
La diferencia LSE LIE se puede
considerar que es la dispersin
permitida del proceso.
Si no se conoce la , la x doble barra
es la media estimada del proceso, la
cual se obtiene como la lnea central
de un grfica de medias.
ndices de capacidad
del proceso
La es la desviacin estndar del proceso, la
cual si no se conoce, se estima de la grfica
de control de la variabilidad del proceso.
R
x R
d2
S
S

c4
x S
Lmites de
especificacin o
tolerancias
Son caractersticos de una parte o
artculo determinado.
Estn basados en consideraciones
funcionales.
Estn relacionados con una
medicin de una sola parte.

Lmites de control de
una grfica de control
Son caractersticos de un proceso determinado.
Estn basados en la media y en la variabilidad
de un proceso.
Dependen de los parmetros de muestreo,
como tamao de muestra y el riesgo alfa.
Se usan para identificar la presencia o ausencia
de causas especiales de variacin en el proceso.

Clculo del Cp
LSE LIE
Cp
6

Interpretacin del Cp
Antes de hacer algo sobre ese punto,
cerciorese de que el proceso est bajo
control estadstico, si es as, entonces:
1. Cp > 1; el proceso es potencialmente
capaz de producir dentro de los lmites de
especificacin y genera un porcentaje de
defectuosos menor del .27%

Interpretacin del Cp
2. Cp = 1; el proceso es apenas capaz, la
proporcin de defectuosos es .27%. Los
lmites de especificacin son iguales a
los lmites de tolerancia natural.
3. Cp < 1; el proceso no es potencialmente

capaz, la proporcin de defectuosos es
mayor a 27 en 10, 000.

Nivel de habilidad de
un proceso
Nivel de habilidad % producto fuera
de especificaciones
3 2700 ppm
4 64 ppm
5 6 partes en 10 millones
6 Menos de 1 parte en
10 millones
* Considerando un proceso centrado y media fija

Clculo del Cpk
Es un ndice o medida del desempeo real del
proceso que toma en cuenta la media del mismo.
Un proceso con su media centrada puede tener un
Cp de 2, mientras que otro proceso con su media
cercana al LSE tambin puede tener un Cp de 2,
siempre que su disposicin sea la misma. Si se
compara el desempeo de ambos proceso con base
en el Cpk, los resultados seran muy diferentes.

Clculo del Cpk
LSE LIE
Cpk mnimo ,
3 3

Interpretacin del Cpk
1. Cpk > 1.33; el proceso es capaz y
es comnmente usado como una
meta para muchas compaas.
2. 1 < Cpk < 1.33; el proceso es

marginalmente capaz.
3. Cpk < 1; el proceso no es capaz

Grfica de
observaciones
individuales y rangos
mviles
x Rm
Grfica de observaciones
mviles
Se usa para procesos lentos que

conducen a bajas tasas de
produccin o cuando es muy
costoso tomar muestras grandes o
bien, en procesos automatizados.

Grfica de observaciones
mviles
Grfica de rangos mviles: est
grfica no tiene interpretacin, debido a
la forma en que se obtienen los rangos.
LC R
LSC D4 R
LIC D3 R
Grficas de observaciones
mviles
Grfica de observaciones individuales:
para ser interpretada necesita estar bajo
control.
R
LC x LSC x 3
d2
R
LIC x 3
d2
CAPTULO 2.2
Grficas para atributos:
p, np
C, U

Grficas para atributos
Algunas caractersticas de calidad
recolectadas como datos de
atributos slo toman dos valores:
Conforme, no conforme
Pasa, no pasa
Presencia, ausencia de algo

Grficas para atributos
Tales disconformidades o defectos se
observan frecuentemente de manera
visual y ocasionan que un producto o
una parte de un producto sea
considerado como defectuoso.
En estos casos, la calidad se evala
por atributos.

Importancia
Se pueden aplicar tanto en procesos
tcnicos como administrativos.
En muchas ocasiones se dipone de datos
que son de atributos y no se requiere
incurrir en gastos adicionales.
Si no existe informacin disponible, se
recolecta rpidamente y a un bajo costo.
Importancia
Muchos reportes, resmenes que maneja la
administracin son atributos y se pueden
aprovechar ms si se analizan como grficas de
control.
El uso de las grficas de control de atributos en
medidas de calidad globales claves,
frecuentemente puede indicar a reas
especficas del proceso que pueden requerir un
anlisis ms detallado.

Definiciones
importantes
Defecto: falla o no conformidad que ocasiona
que un artculo no satisfaga los requerimientos
especificados.
Artculo defectuoso: artculo que tiene uno o
ms defectos.
Fraccin defectuosa: es la razn del nmero
de artculos defectuoso en la muestra (d),
respecto al total de los artculos de la muestra
(n)
Grfica para la
proporcin de piezas
defectuosas
Grfica p

Grfica para la
proporcin de piezas
defectuosas
La grfica p, miden la proporcin de
piezas disconformes en un grupo de
artculos que se inspeccionan.
Esto puede aplicar a una muestra de 100
piezas.
Las muestras pueden constantes o
variables.

Grfica para la
proporcin de piezas
defectuosas
Para muestras constantes:
LC p
p (1 p )
LSC p 3
n
p (1 p )
LIC p 3
n
Grfica para la
proporcin de piezas
defectuosas
Para muestras variables:
LC p
d i
n i
p (1 p )
LSC p 3
n
p (1 p )
LIC p 3
n
Interpretacin
Para interpretar la grfica p, se hace de la
misma manera que las otras grficas, se debe:
Verificar que los puntos no excedan los lmites de
control.
Los puntos se deben distribuir aleatoriamente dentro
de los lmites de control.
No deben mostrar tendencias
Los puntos debe apareceren orden aleatorio en el
tiempo.

Grfica para el nmero
de piezas defectuosas
Grfica np

En algunas ocasiones es conveniente hacer
una grfica de control, en la que se grafique
el nmero de defectuosos en la muestra en
lugar de la proporcin de defectuosos. Para
hacer esto se requiere que el tamao de la
muestra sea constante.
En esencia proporciona la misma
informacin que una grfica p.

Para muchas personas este tipo de grficas es
ms fcil de interpretar que la p. La desventaja
que presenta la grfica np es que no es fcil
manejar e interpretar el nmero de dectuosos
si se desconoce el tamao de la muestra.
Tanto la grfica p y np, tienen fundamento en la
distribucin binomial, la interpretacin es la
misma que la grfica p.

LC np
LSC np 3 np (1 p )
LIC np 3 np (1 p )

Grfica para
proporciones y piezas
defectuosas
Cuando se tienen diferentes
tamaos de muestras se debe usar
una grfica de proporciones
adecuada al caso.

Grfica de nmero de
defectos en la muestra
Grfica C

Grfica de nmero de
Es posible desarrollar grficas de control ya
sea para el nmero total de no conformidades
en una unidad o el nmero promedio de no
conformidades por unidad. Estas grficas de
control usualmente asumen que la ocurrencia
de una no conformidad en una muestra es
bien modelada por una distribucin Poisson.

Grfica de nmero de
Para poder realizar esta grfica

se requiere que el tamao de
la muestra sea constante.

Grfica de nmero de
Si c i # de defectos en la muestra i (i 1,2,..., k)
LC c i
c
k
LSC c 3 c
LIC c 3 c
Grfica de nmero de
defectos por unidad
Grfica U

Grfica de nmero de
defectos por unidad
Esta grfica se basa en el nmero promedio de no
conformidades por unidad inspeccionada. Si
encontramos x cantidad de no conformidades en la
muestra de n unidades inspeccionadas, entonces
podemos obtener el nmero promedio de no
conformidades por unidad inspeccionada de la
siguiente manera:
x
u
n
Grfica de nmero de
defectos por unidad
Se utiliza para unidades de longitud,
rea, volumen, etc.
n puede ser constante o variable.
Con n variable:
n promedio
Lmites para cada n
Lmites para ciertas n
Lmites estandarizados
Grfica de nmero de
defectos por unidad
ci
ui dnde:
ni
i 1,2 ,k
ci #defectos
ni tamao de la muestra
u LIC u 3 u
LC u LSC u 3
ni ni
CAPTULO 2.3
Grficas CUSUM y EWMA

Grfica CUSUM
La grfica CUSUM, se usa para

detectar pequeos cambios en
la media del proceso.

Grfica CUSUM
Ci x j o
i
j 1
donde :
x j media de una muestra u
observacin individual.
o valor objetivo

Construccin de una
grfica CUSUM
Proceso tabular:
Se basa en los clculos de los CUSUM
unilaterales, superior e inferior:
i

C max 0, xi o k C
i 1
C i

max0, o k xi C
i 1
Construccin de una
grfica CUSUM
El procedimiento se inicia haciendo:

C C 0
o o
K es un valor de referencia o de
holgura y frecuentemente se
determina como:
1 o
k
2
Construccin de una
grfica CUSUM
El proceso est fuera de control si
C+ o C- exceden el valor de H, un
valor razonable para H es .5.
Para esta grfica no se realizan las
8 pruebas, ya que los datos
dependen unos de otros.

Construccin de una
grfica CUSUM
Cuando el ajuste que se debe hacer en el
proceso tiene por objetivo hacer que la
media regrese al valor objetivo puede ser
til estimar la media actual del proceso.
o k i
, i

si C H
N
i

C
o k i
, si C H
N i
i

Grfica EWMA
La grfica EWMA, constituye una buena
alternativa a las grficas de control de
Shewart para el caso en que interesa
detectar pequeos cambios en la media
del proceso.
Se usa tpicamente para muestras de
tamao 1, aun cuando se puede usar con
tamaos de muestra mayores.
Grfica EWMA
La grfica EWMA para la media del proceso:
Un promedio mvil exponencialmente
ponderado se define de la siguiente forma:
zi xi (1 ) zi 1
donde:
0< 1 es una constante
El valor de inicio (que se requiere con la primera
muestra cuando i = 1) es el objetivo del proceso, con lo
cual z0 = 0
En ocasiones z0 = promedio de los datos preliminares

Grfica EWMA
Los lmites de control para una

grfica EWMA estn dados por las
siguientes expresiones:
LSC 0 L

2
1 (1 )
2i
LC 0
LIC 0 L

2

1 (1 ) 2i

Grfica EWMA
Dnde:
L es la anchura de los lmites de
control, el mltiplo de sigma. Es comn
tomar L = 3, proporciona buenos
resultados sobre todo cuando lambda
es grande.
En general, cuanto ms pequeos sean
los cambios que se desea detectar,
ms pequeos sern los valores de
lambda.
Grfica EWMA
La grfica se elabora colocando en el

eje horizontal el nmero de la
muestra i (tiempo) y en el eje vertical
el valor de la z que le corresponde.

CAPTULO 3
Muestreo para aceptacin

de lotes

Muestreo para
aceptacin de lotes
Objetivos:
1. Comprender y aplicar los conceptos
bsicos del muestreo de aceptacin.
2. Identificar y diferenciar los sistemas de
muestreo de aceptacin para atributos,
particularmente el MIL - STD - 105E.
3. Comprender el funcionamiento de un
sistema de muestreo de aceptacin para
variables.

Muestreo para
aceptacin de lotes
Introduccin:

El muestreo para aceptacin es un campo importante
del control estadstico de la calidad, es otra
herramienta para evaluar la calidad de un producto.

Los fundamentos de muestreo para aceptacin se
desarrollaron en 1925 a 1927 en los Laboratorios Bell;
despus slo se aplica espordicamente y no es sino
hasta la Segunda Guerra Mundial cuando se incorpora
en los estndares militares de calidad. A partir de ese
momento se difunde el uso masivo del muestreo de
aceptacin, el cual se aplica hasta la fecha.

Muestreo para
aceptacin de lotes
Conceptos generales:
Aspectos importantes en el muestreo:

El propsito del muestreo de aceptacin es juzgar
lotes, no estimar su calidad.

Los planes de muestreo para aceptacin no
proporcionan alguna forma directa de control de
calidad, slo admite o descarta lotes.

El uso ms eficiente del muestreo para aceptacin
no es inyectar calidad al producto mediante la
inspeccin, sino ms bien como una herramienta
de verificacin para asegurar que la produccin o
salida de un proceso est conforme a los requisitos.
Muestreo para
aceptacin de lotes
Enfoques para juzgar un lote:
Aceptarlo sin inspeccin: til en casos
en que el proceso del proveedor es tan
adecuado (relacin de capacidad de
proceso de 3 4) que casi nunca genera
artculos defectuosos, o en los que no
existe una justificacin econmica para
juzgar artculos defectuosos.
Muestreo para
aceptacin de lotes
Efectuar una inspeccin al 100%: esto es
inspeccionar cada artculo en el lote, quitar todas
las unidades defectuosas encontradas (se pueden
devolver al proveedor, retrabajarlas, cambiarlas
por artculos conformes o rechazarlas). Se usa
cuando el componente es muy crtico y dejar
pasar un artculo defectuoso dara como resultado
un costo inaceptablemente alto de una falla en
etapas sucesivas, o cuando la capacidad del
proceso del abastecedor es inadecuada para
satisfacer las especificaciones.
Muestreo para
aceptacin de lotes

Utilizar el muestreo para aceptacin: Es
muy probablemente til cuando:
1. La prueba es destructiva
2. Es muy alto el costo de una inspeccin al
100%
3. una inspeccin al 1005 no es
tecnolgicamente factible, o cuando se
necesitara tanto tiempo que la planeacin
de la produccin se vera seriamente
afectada.
Muestreo para
aceptacin de lotes
4. Hay que inspeccionar muchos artculos y la tasa
de errores de inspeccin es lo suficientemente
alta como para que una inspeccin al 100%
pudiera dejar pasar un mayor porcentaje de
artculos defectuosos que un plan de muestreo.
5. El proveedor tiene un excelente historial de
calidad, y se desea alguna reduccin en la
inspeccin al 100%, pero la relacin de capacidad
de su proceso es lo suficientemente baja como
para que la no inspeccin no sea una buena
alternativa.
6. Existen riesgos potencialmente serios respecto a
la posibilidad legal por el producto, y aunque es
satisfactorio el proceso del abastecedor, se
requiere aplicar un proceso de vigilancia continua.
Muestreo para
aceptacin de lotes
Ventajas del muestreo por aceptacin:
Es menos costoso, pues requiere menor inspeccin.
Menor dao del producto, al haber menor manejo
del mismo.
Menos inspectores y por lo tanto menos
capacitacin.
Reduccin de los errores de inspeccin.
Puede aplicarse en el caso de pruebas destructivas.
El rechazo de lotes completos, en lugar de la simple
devolucin de los artculos defectuosos, constituye
una motivacin ms fuerte para que el proveedor
mejore la calidad de sus productos.
Muestreo para
aceptacin de lotes
Desventajas del muestreo para
aceptacin:
Existe el riesgo de aceptar lotes
malos y rechazar lotes buenos.
Hay que agregar planeacin y
documentacin.
Generalmente la muestra proporciona
menor informacin acerca del producto

Muestreo para
aceptacin de lotes
Porqu es vlido el muestreo?
Una pieza da rpida informacin sobre la calidad de
las piezas de un lote. Pero adems, de la muestra
se pueden obtener conclusiones acerca de lo bien o
mal que se desarroll un proceso en el momento de
extraer una muestra (aplicacin en grficas de
control). As, el proceso puede hablar del
producto. El muestreo de aceptacin tambin es
vlido para las piezas no inspeccionadas obtenidas
del mismo proceso que las inspeccionadas.

Muestreo para
aceptacin de lotes
Razones para usar muestreo de aceptacin:
No se puede asumir que el proceso sea estable, ni es
siempre posible que a la larga lo sea.
En operaciones que se realizan bajo trabajo intensivo,
las causas asignables no siempre se pueden conocer.
An cuando se puedan conocer las causas asignables,
existen procesos que no se pueden parar y ajustar de
inmediato.
Es comn una gran variacin entre operadores y el
manejo de las grficas de control para cada operador no
es tan sencillo.
Muestreo para
aceptacin de lotes
Formacin de lotes:
El muestreo por aceptacin puede
desarrollarse en una base de lote por lote o
en un flujo continuo de productos, aunque los
planes de muestreo ms comnmente usados
se basan en muestreo por lotes.
Entre los diferentes tipos de lotes que se
pueden formar (de manufactura, de
embarque, etc.), los lotes de inspeccin son
los que se utilizan en muestreo de aceptacin.
Muestreo para
aceptacin de lotes
Frecuentemente los lotes de inspeccin se
constituyen por la forma en que el producto se
maneja o se embarca; en otras ocasiones se
puede influir en el tamao y en la forma en que
se constituyen estos lotes, en cuyo caso se
deben aplicar los siguientes dos principios:

Es deseable que haya homogeneidad dentro del lote.

Si los lotes son homogneos, son mejores lotes
grandes que pequeos.

Muestreo para
aceptacin de lotes
Si se tienen lotes grandes, los

tamaos de muestra tambin sern
grandes y se obtendr una
determinacin ms confiable de la
aceptabilidad del lote, siempre que el
lote en cuestin sea homogneo.

Muestreo para
aceptacin de lotes
Muestreo aleatorio:
Las tablas de muestreo publicadas suponen
que las muestras se obtienen al azar, esto es,
que cada una de las unidades de producto no
inspeccionadas tienen la misma probabilidad
de ser la siguiente seleccionada para la
muestra. Para realizar un muestreo aleatorio,
se requiere numerar las piezas de un lote y
seleccionar nmeros aleatorios que indiquen
cules unidades sern seleccionadas.
Muestreo para
aceptacin de lotes
Seleccin de nmeros aleatorios:
Usando una tabla de nmeros aleatorios
A travs de una calculadora que incluye esta
opcin
Un recipiente de bolas o papeles numerados
El mtodo de seleccin influye en los
resultados del muestreo, buscndose
obtener una muestra representativa de un
lote.

Muestreo para
aceptacin de lotes
Sesgo del muestreo:
Tomar una muestra de la misma
localizacin dentro de cajas, estantes, etc.
Echar un vistazo al producto y seleccionar
slo aquellas piezas defectuosas o no
defectuosas.
Ignorar las partes del lote difciles de
muestrear.
Muestreo para
aceptacin de lotes
Clasificacin de los planes de
muestreo:
1. Planes por atributos: Un lote se acepta o
se rechaza segn el nmero de defectuosos
que se presentan en el mismo.
2. Planes por variables: Un lote se acepta o
se rechaza segn el valor de la media (por
ejemplo) de la caracterstica de calidad en la
muestra; la media se compara con un valor
admitido que define el plan.
Planes de muestreo de
aceptacin por
atributos
Errores de inspeccin:
En la implantacin de un muestreo de
aceptacin se supone que el inspector
sigue el plan de muestreo que debe
aplicar y que la inspeccin se hace sin
errores.

aceptacin por
atributos
Terminologa:
Defecto: Alejamiento de una caracterstica de
la calidad del nivel o estado deseado que se
presenta con gravedad suficiente para dar un
producto que no satisface los requisitos de
utilizacin normales o razonablemente
previstos.
Disconformidad: Alejamiento de una
caracterstica de la calidad del nivel deseado,
que se presenta con gravedad suficiente para
dar un producto o servicio que no cumple con
los requisitos de laCarlos
especificacin.
Viesca Gonzlez 145
aceptacin por
atributos
Clasificacin de los defectos
segn su gravedad:
1. El muestreo sea distinto para cada
clase de defecto (tamaos de muestra).
2. Sea comn el plan de muestreo. pero
que el nmero de defectos permitidos
sea diferente para cada clase, segn su
gravedad.
aceptacin por
atributos
Tipos de planes de muestreo
de aceptacin por atributos:
Planes de muestreo simple
Planes de muestreo doble:

aceptacin por
atributos
Curva Caracterstica de Operacin (Curva CO):
Grfica en la que se muestra la probabilidad de que el
plan de muestreo acepte el lote en funcin de la
fraccin defectuosa de un lote, con base en la cual se
observa cmo reaccionar el plan a cualquier nivel de
disconformes en el lote.

Con la curva CO para un plan de muestreo (determinado
por el valor de n y de c) se puede evaluar si este
proporciona un buen grado de control sobre la calidad
del lote; de no ser as entonces se busca otro plan que
corresponda con las necesidades del usuario.

aceptacin por
atributos
Probabilidad de aceptar un lote:
Para calcular la probabilidad de aceptar un lote
(Pa), primero se debe definir qu tipo de plan de
muestreo se aplicar. As tenemos planes de
muestreo tipo A (planes que seleccionan piezas
de lotes simples de tamao N y que se basan en el
modelo Hipergeomtrico) y planes tipo B (planes
para seleccionar piezas de una serie de lotes, se
extraen muestras aleatorias de tamao n de una
poblacin infinita, y que estn fundamentados en
el modelo probabilstico Binomial).
aceptacin por
atributos
Riesgos y parmetros de muestreo:

Riesgo del vendedor o del productor se
conoce como riesgo alfa y es la probabilidad de
que un buen lote (de lata calidad) sea
rechazado por el plan de muestreo. Se fija en
0.01, 0.05 0.10.

Riesgo del comprador (empresa o quin usar
un producto). Tambin llamado riesgo beta. Es
la probabilidad de que un lote malo o de baja
calidad sea aceptado por el plan de muestreo.
aceptacin por
atributos
Planes, esquemas y sistemas de muestreo:
Plan de muestreo: Plan especfico que establece
el tamao o tamaos de muestra a utilizar y el
correspondiente criterio de aceptacin o no
aceptacin.
Esquema de muestreo: Conjunto especfico de
procedimientos que, habitualmente, consisten en
planes de muestreo para aceptacin en los que se
establecen los tamaos de los lotes, los tamaos
de las muestras y los criterios de aceptacin, o el
alcance de la inspeccin y muestreo al 100%.
aceptacin por
atributos
Sistema de muestreo:
Con el uso de un sistema de muestreo se evita
el trabajo de calcular la curva CO para
diferentes valores de n y c y seleccionar el que
cumpla con los riesgos del comprador y del
vendedor preestablecidos.
Los sistemas de muestreo incluyen las curvas
CO, con base en las cuales se selecciona el
plan de muestreo que proporcione el nivel de
proteccin que el usuario desea.
aceptacin por
atributos
Medidas de desempeo:
Nivel de Calidad Aceptable (NCA o AQL).

El porcentaje de Defectuosos Tolerados
en el Lote (PDTL o LTPD).
El lmite de Calidad Media de Salida
(LCMS o AOQL), y
La inspeccin Total Promedio (ITP o ATI).

aceptacin por
atributos
El Nivel de Calidad Aceptable:
El AQL es el nivel de calidad o porcentaje de
defectuosos que, para los fines de
inspeccin, es el lmite de una medida
satisfactoria del proceso. El promedio del
proceso es el porcentaje promedio de
defectuosos o nmero promedio de
defectuosos por 100 unidades de producto
enviado por el proveedor para la inspeccin
original.
aceptacin por
atributos
La inspeccin original es la primera
inspeccin de una cantidad particular de un
producto. El AQL es un valor designado del
porcentaje de defectuosos, para el cual los
lotes sern aceptados la mayor parte de las
veces por el procedimiento de muestreo
utilizado. El AQL especifica un valor del nivel
de calidad del productor.

aceptacin por
atributos
Porcentaje de unidades defectuosas
toleradas en el lote (PDTL):
El LTPD es un valor numrico especfico
para el nivel de calidad del consumidor;
generalmente se refiere a un punto en la
curva CO en el cual el Pa es 0.10 y la
mayora de los sistemas basados en el
PDTL se basan en ese valor de Pa.

aceptacin por
atributos
El Lmite de Calidad Media de
Salida (LCMS o AOQL):
Se aplica slo al muestreo en el que a
los lotes rechazados se les hace una
inspeccin al 100% para sustituir los
artculos defectuosos encontrados por
piezas buenas, que es lo que se
denomina inspeccin rectificadora.
aceptacin por
atributos
La inspeccin Total Promedio
(ITP o ATI):
Se puede graficar la ITP esperada para
cualquier nivel de calidad de un lote (p)
contra el valor de p y usar esta grfica
para determinar los costos asociados a
la inspeccin rectificadora.

aceptacin por
atributos
El sistema de muestreo MIL - STD -
105E:
El manejo de normas publicadas como sta (entre
las ms comunes tambin est la ANSI/ASQC
Z1.4), presenta la ventaja de que facilita la
negociacin entre vendedor y comprador. Es el
ms conocido de los planes de muestreo que
utilizan como ndice de calidad el NCA;
proporciona una gran seguridad en la aceptacin
de los lotes cuando la proporcin de defectuosos
es menor o igual alCarlos
NCA. Viesca Gonzlez 159
aceptacin por
atributos
Tipos de inspeccin:
La MIL . STD - 105E incluye planes
para muestreo de aceptacin simple,
doble y mltiple basados en el AQL.
Los AQL contenidos en los planes
varan de 0.01% hasta 10% (para el
conteo de disconformes) y de arriba
del 10% hasta 1000% (para el conteo
de disconformes en 100 unidades).
aceptacin por
atributos
Dado un AQL el sistema proporciona
varios planes de muestreo con el fin de
motivar al proveedor en funcin de la
calidad del producto que enva; as, es
posible aplicar tres tipos de inspeccin
para cada uno de los tres tipos de
muestreo sealados lneas arriba:
normal, estricta y reducida.
aceptacin por
atributos
La inspeccin normal se utiliza al inicio del proceso

de inspeccin y contina aplicndose durante el tiempo
que el vendedor est produciendo aparentemente
piezas con el NCA o mejores.
La inspeccin estricta se aplica cuando hay

evidencia de que la calidad del producto se ha
deteriorado, lo cual forzar al productor a enviar
productos que sean tan buenos o mejores que el NCA.
Si la historia reciente de la calidad de un producto ha

sido excepcionalmente buena, se puede adoptar la
inspeccin reducida, con lo cual se obtiene una
reduccin de costos de inspeccin al revisarse una
muestra ms pequea.Carlos Viesca Gonzlez 162
aceptacin por
atributos
Reglas para el cambio de tipos de
inspeccin:
De normal a estricta. Si se realiza una
inspeccin normal, se establece la inspeccin
estricta cuando dos de cinco lotes consecutivos
se han rechazado en la inspeccin original.
De estricta a normal. Cuando se ha estado
aplicando una inspeccin estricta, la inspeccin
normal se establece si se han presentado cinco
lotes aceptables consecutivos en la inspeccin
original.
aceptacin por
atributos
De normal a reducida. Se puede pasar
de la aplicacin de una inspeccin
normal a una reducida si se satisfacen
las siguientes cuatro condiciones:
1. A los diez lotes anteriores se les ha

aplicado inspeccin normal y ninguno ha
sido rechazado en la inspeccin original.

aceptacin por
atributos
2. El nmero total de defectuosos en
las muestras de los diez lotes
anteriores es menor o igual al
nmero lmite.
3. Si la autoridad responsable lo
aprueba.
4. Si la produccin est en fase estable.

aceptacin por
atributos
De reducida a normal. Se puede
pasar de la inspeccin reducida a la
normal si ocurre alguna de las
siguientes situaciones en la
inspeccin original:
1. Se rechaza un lote.
2. Se acepta un lote al que se aplic
inspeccin reducida, pero el nmero de
defectuosos encontrado es mayor que el
nmero de aceptacin y menor que el
nmero de rechazo.
aceptacin por
atributos
3. La produccin ha venido a menos
o ha sido irregular.
4. Otras condiciones que propicien el

establecimiento de la inspeccin
normal.

aceptacin por
atributos
Los niveles de inspeccin:
En la MIL - STD - 105E, el tamao
de muestra se determina con base en
el tamao del lote, el tipo de
inspeccin y el nivel de inspeccin;
existen tres niveles de inspeccin
generales para cada uno de los tipos
ya mencionados anteriormente: el I, el
II y el III.
aceptacin por
atributos
Al nivel II le corresponde una inspeccin

normal y es el que generalmente se usa.
El nivel I se usa cuando se permite una
menor discriminacin en el proceso de
muestreo y requiere cerca de la mitad de
la cantidad a inspeccionar del nivel II.

aceptacin por
atributos
El nivel III se adopta cuando se
requiere una mayor discriminacin
y usualmente requiere dos veces la
cantidad a inspeccionar del nivel II.
El nivel de inspeccin se establece

en un contrato o por la autoridad
responsable.
aceptacin por
atributos
Los niveles especiales S-1, S-2, S-3 y S-4
se usan cuando se requiere tamaos de
muestra pequeos (se involucran
pruebas destructivas o muy caras) y
pueden o deben tolerarse grandes
riesgos en el muestreo (menor poder
discriminatorio).

aceptacin por
atributos
Operacin del sistema de
muestreo MIL - STD - 105E:
1. Seleccionar los planes apropiados de
las tablas publicadas en el estndar.
2. Usar las reglas de cambio del nivel
de inspeccin, cuando la calidad del
lote cambia.

aceptacin por
atributos
Procedimiento para el uso estndar:
1. Determinar el NCA aceptable (basado en
un acuerdo entre el productor y el cliente)
2. Decidir el nivel de inspeccin a usar.
3. Determinar el tamao del lote.
4. Usar la tabla de Letras de Cdigo del
Tamao de Muestra para seleccionar la
letra cdigo apropiada (anexo).
aceptacin por
atributos
5. Decidir el tipo de procedimiento de muestreo:
simple, doble o mltiple.
6. Usar la tabla correspondiente al
procedimiento de muestreo seleccionado y al
nivel de inspeccin para encontrar el tamao
de muestra y los nmeros de rechazo y
aceptacin para el plan.
7. Empiece usando el plan seleccionado y lleve
un registro de las aceptaciones y rechazos
para que pueda aplicar las reglas de cambio.

CAPTULO 4
Confiabilidad

Confiabilidad
Se basa en la distribucin normal,
exponencial y weibull.
Tasa de falla
Etapa de madurez
tiempo

Confiabilidad
La confiabilidad se define como la
probabilidad de que un producto desempee
la funcin para la cual fue elaborado , bajo
condiciones dadas y durante un periodo de
tiempo determinado.
La confiabilidad es un aspecto de la calidad que
especficamente considera el comportamiento
de la calidad a lo largo del tiempo.

Confiabilidad
Sistema en serie: todos los
componentes estn relacionados
de manera que el sistema deja de
funcionar si alguno de sus
componentes falla.
n
Ro Ri
i 1
Confiabilidad
Sistema en paralelo: todos sus
componentes estn relacionados
de manera que el sistema deja de
funcionar si todos sus
componentes fallan.
n
Ro 1 1 Ri
i 1
Confiabilidad
Ejemplo:
RA= .
A 90
RB= .
B 95
Entonces la confiabilidad del sistema es:
P A B P A B .90 .95 .90 .95

.995
Distribucin del tiempo
de falla
1. Los artculos de mala

calidad son eliminados.
Tasa de falla
2. Periodo de vida til.
3. Etapa de reemplazo.
1.- 2.- Etapa de 3.-
periodo madurez envejecimiento
inicial
tiempo

Tiempo entre fallas
t= variable aleatoria que representa el
tiempo de vida del producto, tiempo
entre fallas de un producto.
f(t)= funcin de probabilidad o funcin
de densidad.
f (t ) 0
0
f (t )dt 1

Tiempo entre fallas
F(t)= funcin de probabilidad o
densidad acumulada (probabilidad de
que un producto falle hasta antes del
tiempo t) t
F (t ) P T t f (t )dt


Tiempo entre fallas
Confiabilidad (R(t))= confiabilidad de que
un producto no falle antes del tiempo t.

R(t ) 1 f (t ) P (T t ) f (t )dt
t
f(t) tiene una varianza y una media.

Tiempo entre fallas
Media: puede ser el tiempo media

hasta que el producto falla (MTTF)
es decir, que no se puede reparar.

Tiempo entre fallas
Tiempo medio entre fallas (MTBF):
se aplica para productos que se puedan
reparar, es el tiempo medio entre fallas.

E (t ) MTTF o MTBF t ( f (t ))dt


Tiempo entre fallas
Tasa de fallas:
Z (t ) f (t )
1 F ( z)

Funciones de
probabilidad
Exponencial:
Cuando la tasa de fallas es constante,
la funcin de probabilidad que describe
la vida de un producto es exponencial.
t 1 t
f (t ) e e ; t 0

Funciones de
probabilidad
exponencial
= nmero de fallas por ud. de tiempo.
= tiempo medio por fallas (MTBF) o
tiempo medio para fallas.
1 1

tasa de fallas z (t )
Funciones de
probabilidad
exponencial
Esta distribucin es til para representar la
tasa de fallas en la etapa de madurez en
la grfica similar a la tina de bao.

Funciones de
probabilidad
exponencial
f(t) R(t)
tiempo tiempo
R (t ) 1 F (t ) P (T t )
Funciones de
probabilidad
exponencial
Tasa de fallas
Z(t)
tiempo
t t t
1 t
P (T t ) f (t )dt e t dt e
0 0 0

F (t ) P (T t ) 1 e t 1 1 e t prob. falla

R (t ) P (T t ) e t dt 1 1 e t e t confiabilidad
t
Funciones de
probabilidad
Normal:
Esta distribucin puede representar
situaciones en las cuales no se presentan
fallas durante un periodo de tiempo, y
repentinamente muchas o todas las pzas.
comienzan a fallar, alrededor de cierto
tiempo que coincide con la media .

Funciones de
probabilidad
normal
Como la tasa de fallas tiene un
comportamiento creciente, la
distribucin puede modelar algunas
situaciones en el periodo de
envejecimiento.

Funciones de
probabilidad
normal
f(t) f(t)
tiempo tiempo
(t )2
.5

e
f (t ) ; t 0, 0, 0
2
Funciones de
probabilidad
normal
Tasa de fallas
Z(t)
tiempo
t
R (t ) 1 f ( z ) ; z

Funciones de
probabilidad
Weibull:
Esta distribucin es la ms utilizada
en estudios de confiabilidad, ya que
puede modelar casi cualquier
situacin ya sea en periodos con tasa
creciente, constante o decreciente.

Funciones de
probabilidad
weibull
m 1 ( t t o ) m
m t to
f (t ) e
, t to

La tasa de falla es:
m 1
m t to
Z (t )

Funciones de
probabilidad
weibull
Confiabilidad:
( t t o ) m

R (t ) e
La media es:
1
MTTF MTBF to 1
m
(v) funcin gamma de v
(v) v(v 1)
Funciones de
probabilidad
weibull
Los parmetros de la distribucin son:
m: representa la forma de la distribucin
: representa la magnitud de la media
to: es un parmetro de posicin
La combinacin apropiada de valores de los
tres, es lo que facilita su uso en diversas
condiciones.

Funciones de
probabilidad
weibull
m =.5
m =1
f(t)
m =2
m =4

Funciones de
probabilidad
weibull
m =.5
m =1
R(t)
m =2
m =4

Funciones de
probabilidad
weibull
m =.5
m =1
Z(t)
m =2
m =4

Funciones de
probabilidad
weibull
Para m<0 la tasa de falla es decreciente y para
m>0 creciente.
Con m=1 la tasa de falla es constante y la
distribucin weibull es identica a la exponencial.
El efecto del parmetro to es desplazar la
funcin hacia la derecha, ya que se supone que
no ocurren fallas para un periodo t<t o

Modelo exponencial en
confiabilidad
Confiabilidad del sistema en serie:
n

i t
R (t ) e t e i 1
n
s i
i 1
1
MTBF n

i 1
i

Modelo exponencial en
confiabilidad
Confiabilidad del sistema en paralelo:

n
i t
R p (t ) 1 1 e
i 1

si toda i es igual i entonces :

R p (t ) 1 1 e
t n
1 1 1 1
MTBF 1
2 3 n
Pruebas de vida
fallas observadas
En base a fallas observadas se selecciona de
un lote una muestra aleatoria de n pzas y es
sometida a pruebas bajo condiciones
ambientales determinadas, observndose los
tiempos de falla de los componentes
individuales, los tiempos de falla observados
son:
t1 t 2 t3 t r
Pruebas de vida
fallas observadas
Si el tamao de la muestra es n, la vida
acumulada por las uds probadas hasta
la falla r, sera Tr. Si en la prueba se
reemplazan los elementos que fallan,
entonces:
Tr nt r
Pruebas de vida
fallas observadas
Si las piezas que fallan no se
reemplazan, entonces:
r
Tr ti n r t r
i 1
Para ambos casos, el estimador de vida
normal ser:
Tr

r
Pruebas de vida
fallas observadas
Un intervalo de confianza para vida
media, se puede encontrar ya que el
estadstico 2Tr/ tiene una distribucin ji
cuadrada con 2r grados de libertad.
2Tr 2Tr

, 2 r
2
1 , 2 r
2
2 2

Pruebas de vida
tiempo transcurrido
En base al tiempo transcurrido,
otro porcedimiento de prueba de
vida consiste en suspender la
prueba despus de transcurrido
cierto tiempo fijo T y considerar el
nmero de fallas observadas k
como una variable aleatoria.
Pruebas de vida
tiempo transcurrido
En el caso de que la prueba se
realice con reemplazo, entonces:
Tk nT

Pruebas de vida
tiempo transcurrido
Si las pruebas se realizan sin
reemplazo, entonces:
k
Tk ti (n k )T
i 1

Pruebas de vida
tiempo transcurrido
El estimador y el intervalo de
confianza para la vida media ser:
Tk

k
2Tk 2Tk

2
, 2 ( k 1) 2
1 , 2 ( k 1)
2 2
Modelo Weibull en
confiabilidad
Confiabilidad en componentes:
1 1
t
f (t ) e
, t


Modelo Weibull en
confiabilidad
En relacin a la expresin vista
anteriormente:
m to
t

t
F (t ) 1 e
R (t ) e
1
MTBF 1

f (t ) t 1
Z (t ) r (t )
R (t )

Funcin gamma

(k ) x k 1e x dx ; x0
0
Resultados conocidos:
(1) 1
2
1
k (k 1) k 1 ; k 1
n (n 1)! ; para n entero
Funcin weibull
Si =1 y =3.5, la tasa de falla
aumenta y la distribucin weibull es
til para modelar la vida de productos
en la etapa de envejecimiento.
Tambin en este caso la distribucin
weibull se aproxima a la distribucin
normal.
Funcin weibull
Si =1 y =.5, la tasa de fallas
decrece y la distribucin es til
para modelar el tiempo de vida de
los componentes en la etapa inicial
o depuracin.

Funcin weibull
Si =0 y =1, entonces la distribucin
weibull se convierte en la exponencial.
1 t
f (t ) e ;


Control Estadístico de Calidad: Carlos Viesca González

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Control Estadístico de Calidad: Carlos Viesca González

Hochgeladen von

Copyright:

Verfügbare Formate

Control Estadstico de

Carlos Viesca Gonzlez

Carlos Viesca Gonzlez 1

Carlos Viesca Gonzlez 2

Carlos Viesca Gonzlez 3

5. Esttica. Cmo se ve el producto?

Adecuacin para el uso

Carlos Viesca Gonzlez 6

Adecuacin para el uso o para la

Carlos Viesca Gonzlez 9

Carlos Viesca Gonzlez 11

Para este ejemplo:

Valor nominal u objetivo= 22 cm

Carlos Viesca Gonzlez 13

Carlos Viesca Gonzlez 14

Carlos Viesca Gonzlez 15

Consiste en el acopio, anlisis e

Carlos Viesca Gonzlez 19

Carlos Viesca Gonzlez 20

Lmite superior de control (LSC)

Dnde el tiempo representa la muestra o subgrupo

Carlos Viesca Gonzlez 21

Carlos Viesca Gonzlez 22

Lmites de control: los determina

Carlos Viesca Gonzlez 24

Zona A= media + 3= 99% de los datos

Carlos Viesca Gonzlez 25

Carlos Viesca Gonzlez 26

Ocho puntos en forma Cinco puntos consecutivos en

Catorce puntos alternndose Dos o tres puntos en la zona A

Cuatro de cinco puntos Quince puntos consecutivos en

Carlos Viesca Gonzlez 30

Carlos Viesca Gonzlez 31

Ho: El proceso est bajo control vs

Error tipo I: Rechazar Ho cuando Ho es

P(Error tipo I)=

P(Error tipo II)=

Para fines de clculo de y , suponga

Carlos Viesca Gonzlez 34

El error tipo II se obtiene con la nueva media

Cambios en la media del proceso

Carlos Viesca Gonzlez 36

Carlos Viesca Gonzlez 37

Carlos Viesca Gonzlez 38

b) si los lmites de control son ms

c) si se toman muestras ms grandes:

Carlos Viesca Gonzlez 39

K= # de reglas independientes usadas como

Carlos Viesca Gonzlez 42

2. Si un proceso est en control estadstico su

3. Un proceso bajo control estadstico se puede mejorar

Carlos Viesca Gonzlez 43

Grficas para variables

Carlos Viesca Gonzlez 47

Carlos Viesca Gonzlez 52

Carlos Viesca Gonzlez 54

Nota importante: En estas grficas de control la

Lmite inferior de control:LIC x A3 S

Carlos Viesca Gonzlez 59

Carlos Viesca Gonzlez 60

11. Registrar los datos que puedan

Carlos Viesca Gonzlez 62

Se deben verificar las ocho pruebas