Gráfica de Control, Interpretacion PDF

Preview

Summary

Este apunte te ayudara a la interpretacion de las graficas de control...

Description

¿Qué Gráfica de Control necesito? ¿Qué gráfica de control necesito? Una vez que hemos decidido utilizar Gráficas de Control para controlar características en productos y/o procesos, debemos seleccionar cuál es la gráfica que debemos utilizar. Aquí explico cuáles son las gráficas más utilizadas y sus aplicaciones típicas: • Gráfica de Medias y Ra Rangos ngos – Gráfica xx-R -R

Tipo de datos: Variables. Tamaño de muestra: 9 o menor Objetivo: Controlar la posición (media) de las muestras y su variación (rango) Es la gráfica más popular, la más sencilla y se usa cuando no se dispone de todas las mediciones de elementos que conforman la población, es decir, cuando sólo se cuenta con muestras de datos. Muy útil para procesos de alto volumen. Pregunta clav clave: e: ¿Cuál es la media y el rrango ango esperado si recolect recolecto o una muestra tamaño x? Fórmulas

• Gráfica de Medias y Desvia Desviación ción Estándar – Gráfica xx-s. -s.

Tipo de datos: Variables Tamaño de muestra: 10 o mayor Objetivo: Controlar la posición (media) de las muestras y su variación (rango) Se usa cuando no se dispone de todas las mediciones de elementos que conforman la población, es decir, cuando sólo se cuenta con muestras grandes de datos. Para generar estas gráficas regularmente se requiere la asistencia de hojas de cálculo u otros softwares para el cálculo de desviación estándar. Pregunta clav lave: e: ¿Cuál es la media y la desviación estándar esperada si recolecto una muestra tamaño x?

• Gráfica de Datos Indi Individuales viduales y Rango Móvil – Gráfica II-MR. -MR.

Tipo de datos: Variables. Tamaño de muestra: 1 (Dato único, individual) Objetivo: Controlar el valor de la característica (dato individual) y la variación con su antecesora (rango móvil) Se usa cuando no se tienen disponibles muestras y sólo se cuenta con datos individuales, por ejemplo, en inspecciones al 100% o en el caso de pruebas destructivas. Pregunta clave: ¿Cuál es el valor esperado par para a la parte y la variación esperada contra la parte previa? • Gráfica de Porc Porcentaje entaje de Partes Defectuosas – Gráfica p. Tipo de datos: Atributos (Aprobados / Rechazado) Tamaño de muestra: Variable (dependiendo de la producción del día Objetivo: Controlar la porción de partes defectuosas en el proceso Se usa como herramienta de control de partes defectuosas en control de calidad de procesos internos y para inspección de recibo con proveedores. Es la gráfica ideal para el control de ppms (partes defectuosas por millón de partes producidas). Pregunta clav clave: e: ¿Qué porción de partes def defectuosas ectuosas son esperadas en este pro proceso? ceso? • Gráfica de Def Defectos ectos por Unidad – Gráfica u.

Tipo de datos: Atributos (Cantidad de defectos por unidad) Tamaño de muestra: Variable (dependiendo del tamaño de las partes comparadas) Objetivo: Controlar la cantidad de defectos esperados por parte Se usa para controlar el número de defectos presentes en las partes. Es utilizada para el análisis de garantías o partes rechazadas, también es útil para la inspección de recibo de materiales que, por su naturaleza, siempre presentarán defectos, ejemplo: tela, piel, etc. 

Obtención de conclusiones prelim preliminares inares con las gráficas. Indicación de control o de falta de control. La falta de control se indica por los puntos que caen fuera de los límites de control. El diseño del cálculo de los límites de control ofrece un gran margen de confianza de que un sistema de causas comunes muy rara vez ocasionará que haya puntos fuera de los límites de control. Por el contrario el solo hecho de que todos los puntos caigan dentro de los límites no es suficiente para decir que el proceso se encuentra bajo control. Todavía es necesario buscar tendencias, corridas o patrones en los datos que puedan señalar causas asignables de variación. Para esta investigación adicional se puede utilizar un conjunto de reglas basadas en la cantidad de puntos que cabría esperar que cayesen en cada zona del gráfico si el proceso estuviera sometido exclusivamente a un sistema de causas comunes. Las siguientes situaciones justifican la búsqueda de causa especiales de variación:  2 de 3 puntos consecutivos en la zona entre 2 y 3 desviaciones estándar.  7 de 7 puntos consecutivos ascendiendo o descendiendo.  8 de 8 puntos consecutivos fuera de la zona de 1 desviación por ambos lados de la línea central.  4 de 5 puntos consecutivos fuera de la zona de 1 desviación por el mismo lado de la línea central.  15 de 15 puntos consecutivos dentro de la zona de 1 desviación por ambos lados de la línea central.  14 de 14 puntos consecutivos alternados.  7 de 7 puntos consecutivos por abajo o por arriba de la línea central.  10 de 11 puntos consecutivos por abajo o por arriba de la línea central.

 12 de 14 puntos consecutivos por abajo o por arriba de la línea central.  14 de 17 puntos consecutivos por abajo o por arriba de la línea central.  16 de 20 puntos consecutivos por abajo o por arriba de la línea central. 



Interpretación de los procesos que están bajo control. Cuando la gráfica indique que un proceso está en control estadístico sabremos que este proceso ha alcanzado, bajo las actuales circunstancias, su máximo potencial de realización del producto o servicio y estaremos en condiciones de comparar este desempeño con las especificaciones del cliente. Si las especificaciones son cumplidas entonces bastará con mantener el proceso como está para asegurar la calidad del producto o servicio. Si las especificaciones no son cumplidas entonces será necesario modificar profundamente el proceso mismo para reducir la variabilidad común y/o mejorar el centramiento. Interpretación de los procesos que están fuera de control estadístico. Cuando la gráfica indica que el proceso está fuera de control, la medida que se debe tomar es buscar las causas asignables de la variación y tratar de corregirlas. Los valores de centramiento y dispersión obtenidos no pueden utilizarse para comparar con las especificaciones del cliente debido a que el proceso no es estable ni predecible. A pesar de lo anterior es posible recalcular los límites de control eliminando de la gráfica los puntos fuera de control y de esa manera llegar a los valores que se tendrían si las causas especiales no estuviesen presentes. De esta manera podría analizarse si de cualquier forma será necesaria una reingeniería del proceso para cumplir con el requisito del cliente....