CONTROL ESTADÍSTICO DE PROCESOS

1. CONTROL ESTADÍSTICO DE PROCESOS Ing. Christian Farías Carretero

2. Historia • El control de Calidad es tan viejo como la propia industria. Ejemplo : Mayas – Egipcios • El control Estadístico de la Calidad solo tiene dos o tres siglos de vida. Ejemplo : Gráficos de Control ( 100 años )

3. Walter A. Shewhart Bell Telephone Labs American War Standard Cursos de Investigación George D. Edwards ASQC Bernard Dudding General Electric Com. BS 600-1935 Technometrics Quality Progress Journal of Quality Tec Historia

4. Control de Calidad • Técnicas y actividades de carácter operativo, utilizadas para satisfacer los requisitos para la calidad. Estándar SI ¿Conforme? Implantación Verificación OK NO Acción Remediadora

5. Defecto y No Conformidad Incumplimiento de un requisito para un uso previsto o de una expectativa razonable, incluyendo lo relacionado con la seguridad. Incumplimiento de un requisito especificado.

6. Media Moda Mediana Rango Varianza Desviación estándar Relación entre las medidas de dispersión. Medidas de Tendencia Central y de Dispersión

7. Es el centro de gravedad de los datos. Usa todas las observaciones No es necesario clasificar los datos. Los valores extremos pueden distorsionar la figura. La media puede no ser el valor real de todas las observaciones Media : Ventajas y desventajas DESVENTAJAS VENTAJAS

8. No es necesario hacer cálculos ni clasificar las observaciones. No es influenciado por valores extremos Es un valor real Puede ser visualizado los diagramas de distribución. Los datos pueden no tener moda Moda : Ventajas y desventajas VENTAJAS DESVENTAJAS

9. No es necesario hacer cálculos ni clasificar las observaciones. No es influenciado por valores extremos Es un valor real Puede ser visualizado los diagramas de distribución. Los datos pueden no tener moda Moda : Ventajas y desventajas VENTAJAS DESVENTAJAS

10. Provee una idea de donde están localizados la mayoría de las observaciones. Es requerido poco cálculo. No es sensible a valores Externos. Los datos deben ser clasificados y ordenados. No usar todos los datos Valores extremos pueden ser importantes. La mediana tendrá más variación ( entre muestras ) que la media. Mediana : Ventajas y desventajas VENTAJAS DESVENTAJAS

11. Control Estadístico de Calidad • Conjunto de técnicas estadísticas usadas para medir y controlar el desempeño de los procesos. • Sirve para identificar áreas de mejora en el proceso y medir la variación de las características de calidad. • Objetivos y beneficios.

12. Objetivos Mejorar la calidad Definir la capacidad o alcance del proceso. Decidir sobre las especificaciones. Decidir sobre el proceso. Decidir sobre los productos. Calcular el promedio de la calidad y controlar su cumplimiento. Control Estadístico de Calidad

13. Hacer el proceso más estable Mejorar el proceso Control Estadístico de la Calidad I II

14. En la pieza misma. De una pieza a otra. De instante de tiempo a otro. El equipo El material El entorno El operario La interacción de estos Variaciones a lo largo del tiempo Variación CLASES CAUSAS

15. * * * * * * * * * * * * * * * * * Mosquete y Rifle

16. Causas fortuitas y causas atribuibles • Variabilidad natural o “ ruido de fondo” Causas fortuitas • Otras causas de variabilidad Causas atribuibles

17. Aquellas características de calidad que son medibles Son las características de calidad y se dividen en dos grupos Variables contra Atributos • Variables • Atributos • Satisfacen las especificaciones • No las satisfacen • De Variables Atributos

18. Pasos para una gráfica de control por variables • Definir las características de calidad. • Escoger el subgrupo racional • Reunir los datos • Calcular los limites de control y la línea central. • Revisar los limites de control y la linea central. • Lograr el objetivo.

19. Subgrupos racionales • Tamaño del subgrupo. • Diferencias entre grupo. Máxima • Diferencias dentro del subgrupo Mínima • Producidas en el mismo momento • Producidas en un intervalo

20. Límites de Control • 3 sigmas • Limites 0.001 • Buenos resultados • Menos de 3 sigmas: • Perdidas en el proceso • Costos de investigación, etc. LC = E[X] + L * σ[x] -

21. Principios Estadísticos • Error Tipo I (α ) Riesgo de que un punto caiga fuera de los límites de control, cuando no existe una causa atribuible. • Error Tipo II (β ) Riesgo de que un punto dentro de los límites de control, cuando existe una causa atribuible.

22. Estimación de parámetros • Estimador de la media: û = 1/m * Σ Xm • Estimadoresde la varianza : ^ ^ 2 σ2 = 1/m* Σ σ2 σ2 = [1/d2m * Σ R ]

23. Distribución Normal • Características: • Mediana = Moda = Media • Simétrica • Unimodal

24. Distribución Normal • Distribución Normal Estándar • Parámetros: • Media • Desviación estándar • Estandarización • Probabilidad

25. Teorema de Límite Central Si Y es el promedio de n variables aleatorias, distribuidas independientemente, entonces Y tiene aproximadamente una distribución normal. La distribución mejora cuando n > 4.

26. Limites de Control