SlideShare una empresa de Scribd logo
1 de 21
Estadística Aplicada
                 Control de Calidad Estadístico
Carrera: Ing. En Sistemas
Prof.: Lic. Lucia Reyes
Elaborado por:
 Jessenia Maribel Espinoza Meza
 Marcia del Rosario Ramos Lara
 Scarlett Jean Rodríguez Bodden
 Bryant Antonio Rayo Dolmuz
 Julio Cesar Torres Morales
•Limites de Tolerancia

•Carta de control o Gráfico de
Control

•Ejemplos prácticos

•Ejercicios propuestos
INTRODUCCIÓN


Según las normas industriales japonesas el control de
calidad es un sistema de métodos de producción que
económicamente genera bienes o servicios de calidad,
acordes con los requisitos de los consumidores. Si este
sistema usa métodos estadísticos se denomina control
estadístico de calidad.

La calidad de un producto fabricado está determinada
por sus características de calidad. Normalmente se
realizan mediciones de estas características y se
obtienen datos numéricos que            presentan una
fluctuación o variabilidad entre las distintas unidades
del producto fabricado.
El peso de los frascos llenos fluctúa alrededor de los 250grs.
(valor central).

¿Para qué se miden las características de calidad?

 El análisis de los datos medidos permite obtener información
sobre la calidad del producto, estudiar y corregir el
funcionamiento del proceso y aceptar o rechazar lotes de
producto. En todos estos casos es necesario tomar decisiones
y estas decisiones dependen del análisis de los datos. Como
hemos visto, los valores numéricos presentan una fluctuación
aleatoria y por lo tanto para analizarlos es necesario recurrir a
técnicas estadísticas que permitan visualizar y tener en
cuenta la variabilidad a la hora de tomar las decisiones.
Control de Calidad Estadístico

La calidad de un producto manufacturado mediante un proceso
sufre variabilidad. Esta variabilidad puede ser debida a causas
aleatorias o, debida a causas asignables.

El Control Estadístico de Calidad, es la aplicación de técnicas
estadísticas para medir y mejorar la calidad de los procesos,
dentro de las cuales se encuentra el gráfico de control.

Hay distintos tipos de gráficos de control referidos a distintas
pautas de variabilidad. Pero todos tienen unas características
comunes y se interpretan de la misma manera. En todos los
casos es una prueba de hipótesis estadística.

 Definición Gráfico de Control

 Un gráfico de control es una herramienta estadística, usadas
 fundamentalmente para el estudio y monitoreo de procesos
 repetitivos.
Estructura
Límites de tolerancia

Las líneas que definen los límites de tolerancia limitan la zona
de características que cumplen las condiciones requerida s, de
modo que toda fabricación que en el gráfico quede fuera de ellas
debe eliminarse

Supongamos que una variable aleatoria X se distribuye
normalmente con media µ y varianza σ2 ,ambas desconocidas.
Pueden calcularse, a partir de una muestra aleatoria de n
observaciones, la media muestral X y la varianza muestral S2.
Un procedimiento lógico para estimar los límites de tolerancia µ
± z1-α/2σ es reemplazar µ por y σ2 por S2, lo que produce X ± z1-α/2
S

Como y S2 son solamente estimaciones y no los valores reales
de los parámetros, no se puede decir que el intervalo anterior
siempre contendrá 100(1-α)% de la distribución.
Los valores de K están tabulados para distintos valores de g y de
α, como puede verse
Ejemplo:

El fabricante de un propulsor sólido para cohetes está
interesado en encontrar los límites de tolerancia del proceso,
de manera que 95% de las tasas de combustión caigan entre
estos límites, con probabilidad de 0.99. Se sabe, por
experiencia, que la tasa de combustión está distribuida
normalmente. Una muestra aleatoria de 25 observaciones hace
ver que la media y la varianza muestral de la tasa de
combustión son x = 40,75 y S2 = 1,87 respectivamente.
DIAGRMA DE CONTROL

Se calcula el promedio y la desviación estándar:




     Luego se calculan los Límites de Control de la
     siguiente manera:
Estos límites surgen de la hipótesis de que la distribución de las
observaciones es normal. En general se utilizan límites de 2
sigmas ó de 3 sigmas alrededor del promedio. En la distribución
normal, el intervalo de 3,09 sigmas alrededor del promedio
corresponde a una probabilidad de 0,998.
Ejemplo: Una empresa envasa producto “w” en costales de 50
kg, pero el cliente ve mal que los costales pesen menos de 50
kg, por lo que se establece una tolerancia inferior de 49 kg, y
una superior de 51 kg. Tal que el valor nominal sea de 50 kg,
por lo que si un costal cae dentro del rango 49-51 kg se
considera aún tolerable.

Haciendo uso de la (Carta X-R) para evaluar el desempeño
del llenado, tanto en relación con la tendencia central
como la variabilidad
Carta (X): Para construir esta carta se inicia
determinando “la característica de calidad a estudiar
”para el caso “peso de los costales”

 Se toma una referencia en tiempo representativa (días,
 semana o mes)

 Para el caso se toma cada hora una muestra de 4 costales
 que han sido llenados consecutivamente, los datos
 obtenidos en tres días son:
donde X es la media de las medias de las
muestras

La desviación estándar de las medias de las
muestras es:




donde (n) es el tamaño de la muestra (4 en el caso) y (σ)
es la desviación estándar de la característica de calidad
original (peso de los costales individuales) este es un
hecho importante a diferenciar en las cartas X
Una forma de estimar (σ) en la que se incluye la variabilidad
dentro de las muestras, y que consiste en estimar (σ) mediante
la media de los rangos, (R), es:




donde (d2) es una constante que depende del tamaño de la
muestra

De lo anterior, se tiene que los “límites de control” para una
carta (X), se obtienen como:
Para el caso del ejemplo en cuestión, los límites de control para
la carta (X) son:
Estadistica
Estadistica
Estadistica

Más contenido relacionado

La actualidad más candente

AP - TEMA 08: ADMINISTRACION DE RESTRICCIONES
AP - TEMA 08: ADMINISTRACION DE RESTRICCIONESAP - TEMA 08: ADMINISTRACION DE RESTRICCIONES
AP - TEMA 08: ADMINISTRACION DE RESTRICCIONES
MANUEL GARCIA
 
EXCELENCIA OPERACIONAL (OPEX): CARACTERÍSTICAS, VENTAJAS, DESVENTAJAS,
EXCELENCIA OPERACIONAL (OPEX): CARACTERÍSTICAS, VENTAJAS, DESVENTAJAS,EXCELENCIA OPERACIONAL (OPEX): CARACTERÍSTICAS, VENTAJAS, DESVENTAJAS,
EXCELENCIA OPERACIONAL (OPEX): CARACTERÍSTICAS, VENTAJAS, DESVENTAJAS,
Taniitä Hernandez
 
Distribución de plantas tema 3
Distribución de plantas tema 3Distribución de plantas tema 3
Distribución de plantas tema 3
maria0217
 
Direccion estrategica de operaciones 2
Direccion estrategica de operaciones 2Direccion estrategica de operaciones 2
Direccion estrategica de operaciones 2
Jhosep Alberich
 

La actualidad más candente (20)

Ejercicios de gerencia
Ejercicios de gerenciaEjercicios de gerencia
Ejercicios de gerencia
 
GESTION DEL MANTENIMIENTO INDUSTRIAL (1).pptx
GESTION DEL MANTENIMIENTO INDUSTRIAL (1).pptxGESTION DEL MANTENIMIENTO INDUSTRIAL (1).pptx
GESTION DEL MANTENIMIENTO INDUSTRIAL (1).pptx
 
Unidad 4 ing. econom
Unidad 4 ing. economUnidad 4 ing. econom
Unidad 4 ing. econom
 
Excelencia Operatgiva (Opex)
Excelencia Operatgiva (Opex)Excelencia Operatgiva (Opex)
Excelencia Operatgiva (Opex)
 
Capacidad de planta
Capacidad de plantaCapacidad de planta
Capacidad de planta
 
SISTEMA MRP
SISTEMA MRPSISTEMA MRP
SISTEMA MRP
 
Lean manufacturing kanban
Lean manufacturing  kanbanLean manufacturing  kanban
Lean manufacturing kanban
 
Importancia de la simulacion
Importancia de la simulacionImportancia de la simulacion
Importancia de la simulacion
 
Planeación de Producción: MRP
Planeación de Producción: MRPPlaneación de Producción: MRP
Planeación de Producción: MRP
 
AP - TEMA 08: ADMINISTRACION DE RESTRICCIONES
AP - TEMA 08: ADMINISTRACION DE RESTRICCIONESAP - TEMA 08: ADMINISTRACION DE RESTRICCIONES
AP - TEMA 08: ADMINISTRACION DE RESTRICCIONES
 
Mantenibilidad y fiabilidad
Mantenibilidad y fiabilidadMantenibilidad y fiabilidad
Mantenibilidad y fiabilidad
 
EXCELENCIA OPERACIONAL (OPEX): CARACTERÍSTICAS, VENTAJAS, DESVENTAJAS,
EXCELENCIA OPERACIONAL (OPEX): CARACTERÍSTICAS, VENTAJAS, DESVENTAJAS,EXCELENCIA OPERACIONAL (OPEX): CARACTERÍSTICAS, VENTAJAS, DESVENTAJAS,
EXCELENCIA OPERACIONAL (OPEX): CARACTERÍSTICAS, VENTAJAS, DESVENTAJAS,
 
SISTEMAS DE MANUFACTURA
SISTEMAS DE MANUFACTURA SISTEMAS DE MANUFACTURA
SISTEMAS DE MANUFACTURA
 
MRP
MRPMRP
MRP
 
Distribución de plantas tema 3
Distribución de plantas tema 3Distribución de plantas tema 3
Distribución de plantas tema 3
 
Ejemplo de aplicación value stream mapping vsm
Ejemplo de aplicación value stream mapping vsmEjemplo de aplicación value stream mapping vsm
Ejemplo de aplicación value stream mapping vsm
 
Capacidad de plantas industriales
Capacidad de plantas industriales Capacidad de plantas industriales
Capacidad de plantas industriales
 
Distribucion de planta
Distribucion de plantaDistribucion de planta
Distribucion de planta
 
Distribucion de planta
Distribucion de plantaDistribucion de planta
Distribucion de planta
 
Direccion estrategica de operaciones 2
Direccion estrategica de operaciones 2Direccion estrategica de operaciones 2
Direccion estrategica de operaciones 2
 

Similar a Estadistica

Diapositivas Unidad 2_ estudio de tb092155.pptx
Diapositivas Unidad 2_ estudio de tb092155.pptxDiapositivas Unidad 2_ estudio de tb092155.pptx
Diapositivas Unidad 2_ estudio de tb092155.pptx
SherlynGarcia16
 

Similar a Estadistica (20)

Tema 3. HERRAMIENTAS DE LA CALIDAD (COMPLEMENTO) GRÁFICOS DE CONTROL
Tema 3. HERRAMIENTAS DE LA CALIDAD (COMPLEMENTO) GRÁFICOS DE CONTROLTema 3. HERRAMIENTAS DE LA CALIDAD (COMPLEMENTO) GRÁFICOS DE CONTROL
Tema 3. HERRAMIENTAS DE LA CALIDAD (COMPLEMENTO) GRÁFICOS DE CONTROL
 
Calculo de cpk
Calculo de cpkCalculo de cpk
Calculo de cpk
 
Control estadístico de procesos_2023-1 (1).pdf
Control estadístico de procesos_2023-1 (1).pdfControl estadístico de procesos_2023-1 (1).pdf
Control estadístico de procesos_2023-1 (1).pdf
 
Clase 2 (2016) sección s1
Clase 2 (2016) sección s1Clase 2 (2016) sección s1
Clase 2 (2016) sección s1
 
Control Estadistico De Procesos
Control Estadistico De ProcesosControl Estadistico De Procesos
Control Estadistico De Procesos
 
Guia 3 graficas de control 2018
Guia 3 graficas de control 2018Guia 3 graficas de control 2018
Guia 3 graficas de control 2018
 
Semana 12 y 13 - Estadística.pptx
Semana 12 y 13 - Estadística.pptxSemana 12 y 13 - Estadística.pptx
Semana 12 y 13 - Estadística.pptx
 
Gráficos variables
Gráficos variablesGráficos variables
Gráficos variables
 
Diag
DiagDiag
Diag
 
Graficos de control
Graficos de controlGraficos de control
Graficos de control
 
Control de calidad 2 (1) Edita.pptx
Control de calidad 2 (1) Edita.pptxControl de calidad 2 (1) Edita.pptx
Control de calidad 2 (1) Edita.pptx
 
Clase_Graficos_Control.pptx.ppt
Clase_Graficos_Control.pptx.pptClase_Graficos_Control.pptx.ppt
Clase_Graficos_Control.pptx.ppt
 
6 sigmas,cartaxr,pareto,ishikawa
6 sigmas,cartaxr,pareto,ishikawa6 sigmas,cartaxr,pareto,ishikawa
6 sigmas,cartaxr,pareto,ishikawa
 
Pract 6 calidad1
Pract 6 calidad1Pract 6 calidad1
Pract 6 calidad1
 
Revista betancourt 3er corte
Revista betancourt 3er corteRevista betancourt 3er corte
Revista betancourt 3er corte
 
Clase 2 (2016) sección s ud2
Clase 2 (2016) sección s  ud2Clase 2 (2016) sección s  ud2
Clase 2 (2016) sección s ud2
 
CONTROL ESTADÍSTICO DE LA CALIDAD (HRRTAS).pdf
CONTROL ESTADÍSTICO DE LA CALIDAD (HRRTAS).pdfCONTROL ESTADÍSTICO DE LA CALIDAD (HRRTAS).pdf
CONTROL ESTADÍSTICO DE LA CALIDAD (HRRTAS).pdf
 
Cartas de-control lourdes final
Cartas de-control lourdes finalCartas de-control lourdes final
Cartas de-control lourdes final
 
Diapositivas Unidad 2_ estudio de tb092155.pptx
Diapositivas Unidad 2_ estudio de tb092155.pptxDiapositivas Unidad 2_ estudio de tb092155.pptx
Diapositivas Unidad 2_ estudio de tb092155.pptx
 
Cartas de control
Cartas de controlCartas de control
Cartas de control
 

Más de Marcia Ramos

Más de Marcia Ramos (6)

Presentación agua
Presentación aguaPresentación agua
Presentación agua
 
Recurso Agua
Recurso AguaRecurso Agua
Recurso Agua
 
Mycin
MycinMycin
Mycin
 
Kronos
KronosKronos
Kronos
 
Ia memoria
Ia memoriaIa memoria
Ia memoria
 
Proyecto Base de Datos I
Proyecto Base de Datos IProyecto Base de Datos I
Proyecto Base de Datos I
 

Último

Proyecto de aprendizaje dia de la madre MINT.pdf
Proyecto de aprendizaje dia de la madre MINT.pdfProyecto de aprendizaje dia de la madre MINT.pdf
Proyecto de aprendizaje dia de la madre MINT.pdf
patriciaines1993
 
TALLER DE DEMOCRACIA Y GOBIERNO ESCOLAR-COMPETENCIAS N°3.docx
TALLER DE DEMOCRACIA Y GOBIERNO ESCOLAR-COMPETENCIAS N°3.docxTALLER DE DEMOCRACIA Y GOBIERNO ESCOLAR-COMPETENCIAS N°3.docx
TALLER DE DEMOCRACIA Y GOBIERNO ESCOLAR-COMPETENCIAS N°3.docx
NadiaMartnez11
 
6°_GRADO_-_MAYO_06 para sexto grado de primaria
6°_GRADO_-_MAYO_06 para sexto grado de primaria6°_GRADO_-_MAYO_06 para sexto grado de primaria
6°_GRADO_-_MAYO_06 para sexto grado de primaria
Wilian24
 
NUEVAS DIAPOSITIVAS POSGRADO Gestion Publica.pdf
NUEVAS DIAPOSITIVAS POSGRADO Gestion Publica.pdfNUEVAS DIAPOSITIVAS POSGRADO Gestion Publica.pdf
NUEVAS DIAPOSITIVAS POSGRADO Gestion Publica.pdf
UPTAIDELTACHIRA
 
🦄💫4° SEM32 WORD PLANEACIÓN PROYECTOS DARUKEL 23-24.docx
🦄💫4° SEM32 WORD PLANEACIÓN PROYECTOS DARUKEL 23-24.docx🦄💫4° SEM32 WORD PLANEACIÓN PROYECTOS DARUKEL 23-24.docx
🦄💫4° SEM32 WORD PLANEACIÓN PROYECTOS DARUKEL 23-24.docx
EliaHernndez7
 

Último (20)

Tema 10. Dinámica y funciones de la Atmosfera 2024
Tema 10. Dinámica y funciones de la Atmosfera 2024Tema 10. Dinámica y funciones de la Atmosfera 2024
Tema 10. Dinámica y funciones de la Atmosfera 2024
 
La Sostenibilidad Corporativa. Administración Ambiental
La Sostenibilidad Corporativa. Administración AmbientalLa Sostenibilidad Corporativa. Administración Ambiental
La Sostenibilidad Corporativa. Administración Ambiental
 
Infografía EE con pie del 2023 (3)-1.pdf
Infografía EE con pie del 2023 (3)-1.pdfInfografía EE con pie del 2023 (3)-1.pdf
Infografía EE con pie del 2023 (3)-1.pdf
 
semana 4 9NO Estudios sociales.pptxnnnn
semana 4  9NO Estudios sociales.pptxnnnnsemana 4  9NO Estudios sociales.pptxnnnn
semana 4 9NO Estudios sociales.pptxnnnn
 
ACERTIJO DE POSICIÓN DE CORREDORES EN LA OLIMPIADA. Por JAVIER SOLIS NOYOLA
ACERTIJO DE POSICIÓN DE CORREDORES EN LA OLIMPIADA. Por JAVIER SOLIS NOYOLAACERTIJO DE POSICIÓN DE CORREDORES EN LA OLIMPIADA. Por JAVIER SOLIS NOYOLA
ACERTIJO DE POSICIÓN DE CORREDORES EN LA OLIMPIADA. Por JAVIER SOLIS NOYOLA
 
Prueba de evaluación Geografía e Historia Comunidad de Madrid 4ºESO
Prueba de evaluación Geografía e Historia Comunidad de Madrid 4ºESOPrueba de evaluación Geografía e Historia Comunidad de Madrid 4ºESO
Prueba de evaluación Geografía e Historia Comunidad de Madrid 4ºESO
 
Proyecto de aprendizaje dia de la madre MINT.pdf
Proyecto de aprendizaje dia de la madre MINT.pdfProyecto de aprendizaje dia de la madre MINT.pdf
Proyecto de aprendizaje dia de la madre MINT.pdf
 
EL HABITO DEL AHORRO en tu idea emprendedora22-04-24.pptx
EL HABITO DEL AHORRO en tu idea emprendedora22-04-24.pptxEL HABITO DEL AHORRO en tu idea emprendedora22-04-24.pptx
EL HABITO DEL AHORRO en tu idea emprendedora22-04-24.pptx
 
TALLER DE DEMOCRACIA Y GOBIERNO ESCOLAR-COMPETENCIAS N°3.docx
TALLER DE DEMOCRACIA Y GOBIERNO ESCOLAR-COMPETENCIAS N°3.docxTALLER DE DEMOCRACIA Y GOBIERNO ESCOLAR-COMPETENCIAS N°3.docx
TALLER DE DEMOCRACIA Y GOBIERNO ESCOLAR-COMPETENCIAS N°3.docx
 
Sesión de clase: Fe contra todo pronóstico
Sesión de clase: Fe contra todo pronósticoSesión de clase: Fe contra todo pronóstico
Sesión de clase: Fe contra todo pronóstico
 
SISTEMA RESPIRATORIO PARA NIÑOS PRIMARIA
SISTEMA RESPIRATORIO PARA NIÑOS PRIMARIASISTEMA RESPIRATORIO PARA NIÑOS PRIMARIA
SISTEMA RESPIRATORIO PARA NIÑOS PRIMARIA
 
6°_GRADO_-_MAYO_06 para sexto grado de primaria
6°_GRADO_-_MAYO_06 para sexto grado de primaria6°_GRADO_-_MAYO_06 para sexto grado de primaria
6°_GRADO_-_MAYO_06 para sexto grado de primaria
 
origen y desarrollo del ensayo literario
origen y desarrollo del ensayo literarioorigen y desarrollo del ensayo literario
origen y desarrollo del ensayo literario
 
Prueba libre de Geografía para obtención título Bachillerato - 2024
Prueba libre de Geografía para obtención título Bachillerato - 2024Prueba libre de Geografía para obtención título Bachillerato - 2024
Prueba libre de Geografía para obtención título Bachillerato - 2024
 
Abril 2024 - Maestra Jardinera Ediba.pdf
Abril 2024 -  Maestra Jardinera Ediba.pdfAbril 2024 -  Maestra Jardinera Ediba.pdf
Abril 2024 - Maestra Jardinera Ediba.pdf
 
PLAN DE REFUERZO ESCOLAR MERC 2024-2.docx
PLAN DE REFUERZO ESCOLAR MERC 2024-2.docxPLAN DE REFUERZO ESCOLAR MERC 2024-2.docx
PLAN DE REFUERZO ESCOLAR MERC 2024-2.docx
 
NUEVAS DIAPOSITIVAS POSGRADO Gestion Publica.pdf
NUEVAS DIAPOSITIVAS POSGRADO Gestion Publica.pdfNUEVAS DIAPOSITIVAS POSGRADO Gestion Publica.pdf
NUEVAS DIAPOSITIVAS POSGRADO Gestion Publica.pdf
 
LA LITERATURA DEL BARROCO 2023-2024pptx.pptx
LA LITERATURA DEL BARROCO 2023-2024pptx.pptxLA LITERATURA DEL BARROCO 2023-2024pptx.pptx
LA LITERATURA DEL BARROCO 2023-2024pptx.pptx
 
Procedimientos para la planificación en los Centros Educativos tipo V ( multi...
Procedimientos para la planificación en los Centros Educativos tipo V ( multi...Procedimientos para la planificación en los Centros Educativos tipo V ( multi...
Procedimientos para la planificación en los Centros Educativos tipo V ( multi...
 
🦄💫4° SEM32 WORD PLANEACIÓN PROYECTOS DARUKEL 23-24.docx
🦄💫4° SEM32 WORD PLANEACIÓN PROYECTOS DARUKEL 23-24.docx🦄💫4° SEM32 WORD PLANEACIÓN PROYECTOS DARUKEL 23-24.docx
🦄💫4° SEM32 WORD PLANEACIÓN PROYECTOS DARUKEL 23-24.docx
 

Estadistica

  • 1. Estadística Aplicada Control de Calidad Estadístico Carrera: Ing. En Sistemas Prof.: Lic. Lucia Reyes Elaborado por:  Jessenia Maribel Espinoza Meza  Marcia del Rosario Ramos Lara  Scarlett Jean Rodríguez Bodden  Bryant Antonio Rayo Dolmuz  Julio Cesar Torres Morales
  • 2. •Limites de Tolerancia •Carta de control o Gráfico de Control •Ejemplos prácticos •Ejercicios propuestos
  • 3. INTRODUCCIÓN Según las normas industriales japonesas el control de calidad es un sistema de métodos de producción que económicamente genera bienes o servicios de calidad, acordes con los requisitos de los consumidores. Si este sistema usa métodos estadísticos se denomina control estadístico de calidad. La calidad de un producto fabricado está determinada por sus características de calidad. Normalmente se realizan mediciones de estas características y se obtienen datos numéricos que presentan una fluctuación o variabilidad entre las distintas unidades del producto fabricado.
  • 4. El peso de los frascos llenos fluctúa alrededor de los 250grs. (valor central). ¿Para qué se miden las características de calidad? El análisis de los datos medidos permite obtener información sobre la calidad del producto, estudiar y corregir el funcionamiento del proceso y aceptar o rechazar lotes de producto. En todos estos casos es necesario tomar decisiones y estas decisiones dependen del análisis de los datos. Como hemos visto, los valores numéricos presentan una fluctuación aleatoria y por lo tanto para analizarlos es necesario recurrir a técnicas estadísticas que permitan visualizar y tener en cuenta la variabilidad a la hora de tomar las decisiones.
  • 5. Control de Calidad Estadístico La calidad de un producto manufacturado mediante un proceso sufre variabilidad. Esta variabilidad puede ser debida a causas aleatorias o, debida a causas asignables. El Control Estadístico de Calidad, es la aplicación de técnicas estadísticas para medir y mejorar la calidad de los procesos, dentro de las cuales se encuentra el gráfico de control. Hay distintos tipos de gráficos de control referidos a distintas pautas de variabilidad. Pero todos tienen unas características comunes y se interpretan de la misma manera. En todos los casos es una prueba de hipótesis estadística. Definición Gráfico de Control Un gráfico de control es una herramienta estadística, usadas fundamentalmente para el estudio y monitoreo de procesos repetitivos.
  • 7. Límites de tolerancia Las líneas que definen los límites de tolerancia limitan la zona de características que cumplen las condiciones requerida s, de modo que toda fabricación que en el gráfico quede fuera de ellas debe eliminarse Supongamos que una variable aleatoria X se distribuye normalmente con media µ y varianza σ2 ,ambas desconocidas. Pueden calcularse, a partir de una muestra aleatoria de n observaciones, la media muestral X y la varianza muestral S2. Un procedimiento lógico para estimar los límites de tolerancia µ ± z1-α/2σ es reemplazar µ por y σ2 por S2, lo que produce X ± z1-α/2 S Como y S2 son solamente estimaciones y no los valores reales de los parámetros, no se puede decir que el intervalo anterior siempre contendrá 100(1-α)% de la distribución.
  • 8. Los valores de K están tabulados para distintos valores de g y de α, como puede verse
  • 9.
  • 10. Ejemplo: El fabricante de un propulsor sólido para cohetes está interesado en encontrar los límites de tolerancia del proceso, de manera que 95% de las tasas de combustión caigan entre estos límites, con probabilidad de 0.99. Se sabe, por experiencia, que la tasa de combustión está distribuida normalmente. Una muestra aleatoria de 25 observaciones hace ver que la media y la varianza muestral de la tasa de combustión son x = 40,75 y S2 = 1,87 respectivamente.
  • 11. DIAGRMA DE CONTROL Se calcula el promedio y la desviación estándar: Luego se calculan los Límites de Control de la siguiente manera:
  • 12. Estos límites surgen de la hipótesis de que la distribución de las observaciones es normal. En general se utilizan límites de 2 sigmas ó de 3 sigmas alrededor del promedio. En la distribución normal, el intervalo de 3,09 sigmas alrededor del promedio corresponde a una probabilidad de 0,998.
  • 13. Ejemplo: Una empresa envasa producto “w” en costales de 50 kg, pero el cliente ve mal que los costales pesen menos de 50 kg, por lo que se establece una tolerancia inferior de 49 kg, y una superior de 51 kg. Tal que el valor nominal sea de 50 kg, por lo que si un costal cae dentro del rango 49-51 kg se considera aún tolerable. Haciendo uso de la (Carta X-R) para evaluar el desempeño del llenado, tanto en relación con la tendencia central como la variabilidad Carta (X): Para construir esta carta se inicia determinando “la característica de calidad a estudiar ”para el caso “peso de los costales” Se toma una referencia en tiempo representativa (días, semana o mes) Para el caso se toma cada hora una muestra de 4 costales que han sido llenados consecutivamente, los datos obtenidos en tres días son:
  • 14.
  • 15. donde X es la media de las medias de las muestras La desviación estándar de las medias de las muestras es: donde (n) es el tamaño de la muestra (4 en el caso) y (σ) es la desviación estándar de la característica de calidad original (peso de los costales individuales) este es un hecho importante a diferenciar en las cartas X
  • 16. Una forma de estimar (σ) en la que se incluye la variabilidad dentro de las muestras, y que consiste en estimar (σ) mediante la media de los rangos, (R), es: donde (d2) es una constante que depende del tamaño de la muestra De lo anterior, se tiene que los “límites de control” para una carta (X), se obtienen como:
  • 17.
  • 18. Para el caso del ejemplo en cuestión, los límites de control para la carta (X) son: