Control Est, Calidad

7/24/2019 Control Est, Calidad

1/22

Universidad Tecnolgica de Honduras

Asignatura:Control Estadstico de la Calidad

Catedratico:Ing Jos Chinchilla

Alumnos:Belkis Peraza

David Perdomo

Denis RamrezErika PadillaJeffry rego!arden "iron!ario !ancia

#elson $ern%ndezRa&l !at'te

Ram(n Cardona

Seccin:

8:30 -9:20 pm


2/22

Control Estadistico de la Calidad 2


3/22


Capitulo 2

!"#ue es Capacidad de un proceso$Consiste en conocer la am)lit'd de la variaci(n nat'ral del )roceso )ara 'nacaracterstica de calidad dada* esto )ermitir% saer en +' medida tal caracterstica decalidad es satisfactoria

2!"Cual es la tendencia central de los datos$,alor en torno al c'al los datos o mediciones de 'na variale tienden a aglomerarse oconcentrarse

3!" Cuales son las medidas de tencia central$

!edia !'estral !ediana !oda

%!"#ue es la media muestral$!edida de tendencia central +'e es ig'al al )romedio aritmtico de 'n con-'nto dedatos. +'e se otiene al s'marlos y el res'ltado se divide entre el n&mero de datos

&!"#ue es la mediana$

!edida de tendencia central +'e es ig'al al valor +'e divide a la mitad a los datosc'ando son ordenados de menor a mayor

'!#ue es la moda$!edida de tendencia central de 'n con-'nto de datos +'e es ig'al al dato +'e se re)item%s veces/

(!"Cuales son las medidas de dispersion o varia)ilidad$ Desviacion estandar m'estral Desviacion estandar del )roceso Rango

8!"#ue es *esviacion estandar muestral$!edida de la variailidad +'e indica +' tan es)arcidos est%n los datos con res)ecto ala media

9!Cual es la +ormula para calcular ladesviacion estandar


4/22


0!#ue es desviacion estandar del proceso$Refle-a la variailidad de 'n )roceso/ Para s' c%lc'lo se dee 'tilizar 'n n&merogrande de datos +'e hayan sido otenidos en el transc'rso de 'n la)so de tiem)oam)lio/ 0e denota con la letra griega sigma 1

!"#ue es ,ango$!edici(n de la variailidad de 'n con-'nto de datos +'e es res'ltado de la diferenciaentre el dato mayor y el dato menor de la m'estra/

2!"#ue es Coe+iciente de variacion:!edida de variailidad +'e indica la magnit'd relativa de la desviaci(n est%ndar encom)araci(n con la media/ Es &til )ara contrastar la variaci(n de dos o m%s variales+'e est%n medidas en diversas escalas/

3!scri)a la +ormula del coe+iciente de variacion

%!Cual es la desigualdad de C.e)/s.evRes'ltado te ico +'e relaciona 2 3y S. y estalece el )orcenta-e minimo de datos +'e caenen el intervalo 42 3 5 kS. 2 36 kS7. con k 8 9/

&!#ue es la ,egla empirica

Res'ltado )r%ctico +'e relaciona a 2 3 y S. y estalece el )orcenta-e de datos de lam'estra +'e caen dentro del intervalo42 3 5 kS. 2 3 6 kS7 con k : 9. ;. =imite real inferior 4LRI7 : ?


5/22


@orma asimtrica de la distri'ci(n de 'nos datos o 'na variale. donde la cola de 'nlado de la distri'ci(n es m%s larga +'e la del otro lado/

20!"#ue es una distri)ucion multimodal$

@orma de la distri'ci(n de 'nos datos en la +'e sea a)recian claramente dos o m%smodas 4)icos7/ Por lo general. cada moda refl e-a 'na condici(n o realidad diferente/

2!Cuales son algunas situaciones 1ue originan una distri)ucion multimodal $

a7 Diferencias im)ortantes de lote a lote en la materia )rima +'e 'tiliza el )roceso.deido a +'e )roceden de diferentes )roveedores o al eAceso de variacion de 'nmismo )roveedor/

7 C'ando en el )roceso intervienen varios o)eradores. con criterios o modos detraa-o diferentes/

c7 =as mediciones de la variale de salida +'e esta re)resentadas en el histogramaf'eron realizadas )or )ersonas o instr'mentos diferentes* )or lo tanto. se 'tilizarondistintos criterios o instr'mentos mal calirados

d7 El )roceso. c'ando genera los res'ltados de la distri'ci m'ltimodal. f'e o)erandoen condiciones diferentes 4'na condicion )ara cada moda7/

e7 En general. 'na distri'cion m'ltimodal se dee a la )resencia de f'entes devariacion ien definidas +'e deen ser identificadas y corregidas. a fin de me-orarla ca)acidad del )roceso corres)ondiente/

22!"#ue es un dato raro o atipico$!edici(n c'ya magnit'd es m'y diferente a la generalidad de las mediciones delcon-'nto de datos corres)ondiente/

23!"#ue es strati+icacionConsiste en clasifi car y analizar datos de ac'erdo con las distintas f'entes de donde)roceden. como. )or e-em)lo )or ma+'inas. lotes. )roveedores. t'rnos. etc

2%!encione algunas limitaciones del Histograma9/ #o considera el tiem)o en el +'e se ot'vieron los datos* )or lo tanto. con el

histograma es dificil detectar tendencias +'e oc'rren a traves del tiem)o/ Por talrazon. no ay'da est'diar la estailidad del )roceso en el tiem)o. lo c'al seanaliza )or medio de cartas de control

;/ #o es la tecnica mas a)ro)iada )ara com)arar de manera )ractica varios)rocesos o gr')os de datos* en esos casos. el diagrama de ca-a o la grafica demedias son mas a)ro)iados/


6/22



7/22


33!"#ue son Cuartiles$0on ig'ales a los )ercentiles ;F. F y GF. y sirven )arase)arar )or magnit'd la distri'ci(n de 'nos datos en c'atro gr')os. donde cada 'nocontiene ;F de los datos/

3%!"#ue es *iagrama de ca5a$Re)resentaci(n gr%fi ca de la distri'ci(n de 'n con-'nto de datos +'e se asa en losc'artiles/ Es de gran 'tilidad )ara hacer an%lisis com)arativos

3&/H,ango intercuartilico$Es ig'al a la distancia entre el c'artil inferior y el s')erior. y determina el rango en el+'e se 'ican F de los datos +'e est%n en el centro de la distri'ci(n/

3'!"Como se interpreta el diagrama de ca5a$De ac'erdo con la manera en +'e se constr'yo este diagrama. en s' inter)retaci(n sedeehacer enfasis en>

9/ El largo del diagrama 4+'e incl'ye el rectang'lo mas amos razos o igotes7.ya +'e esto indica 'na medida de la variacion de los datos y res'lta de gran'tilidad sore todo )ara com)arar la variacion entre )rocesos. tratamientos.lotes o t'rnos de traa-o o )rod'ccion

;/ =a )arte central del diagrama indica la tendencia central de los datos. )or lo +'etamien ay'daria a com)arar dos o mas )rocesos. ma+'inas. lotes o t'rnos enc'anto a s' tendenciacentral/


8/22

Control Estadistico de la Calidad 8 Barrera interior iz+'ierda. Ci ? 9/FRc e interior derecha Cs 6 9/FRc Barrera eAterior iz+'ierda. Ci ?


9/22


arrera interior iz+'ierda/ 0i hay datos )or dea-o de la arrera. sere)resentar%n )or medio de )'ntos aislados +'e se 'icar%n de ac'erdo con lamagnit'd del dato corres)ondiente/

En forma similar se traza el razo o igote derecho> +'e va desde Cs hasta eldato m%s grande +'e a&n est% dentro de la arrera interior derecha/ 0i haydatos )or arria de la arrera. se re)resentar%n )or medio de 'n )'nto +'e se'icar% de ac'erdo con la magnit'd del dato corres)ondiente/ =os datos +'es')eran las arreras interiores )'eden ser considerados como datos ale-adoscon cierta sos)echa de ser at)icos

0i a&n hay datos )or f'era de las arreras eAteriores. se re)resentar%n con 'nasterisco/ =os datos +'e +'eden f'era de estas arreras eAteriores. de maneradefinitiva )'eden considerarse datos m'y ale-ados. raros o aerrantes/

%3!"4ara un correcto anlisis descriptivo de los datos cuales sistemascomputacionales pueden utiliarse$ EAcel 0tatgra)hics !inita

%%!n 1ue consiste el sistema descriptivo de cel$Esta ho-a de calc'lo incl'ye. a manera de f'nciones. )racticamente todos losestadisticos +'e se est'diaron en el ca)it'lo/ Por ello. a cada f'ncion se le es)ecificael rango donde se enc'entran los valores* )or e-em)lo. s')ongamos +'e se tienen Kdatos en las celdasA9 a laAK

%&!n 1ue consiste Statgrap.ics$En el caso de 0tatgra)hics. 'na vez incl'idos los datos a analizar. se em)lea 'nacol'mna )or cada variale a ser analizada y se sig'e esta sec'encia> Describe 8Numeric Data 8 One-Variable Analisis* entonces a)arecera 'na )antalla y en Data seagrega el nomre de la variale +'e va ser analizada/ Lsi. se tendra acceso adiferentes tecnicas estadisticas en forma de talas 4Tables7 y graficas 4Graphs7/

%'!n 1ue consiste inita)$En forma similar se genera 'na col'mna )or cada variale a analizar/ Des)'es sea)lica la sig'iente sec'encia> 0tat 8 Basic 0tatistics 8 Dis)lay Descri)tive 0tatistics*

asi. se accede a 'na )antalla donde. en la o)cion ,ariales se )one el nomre de lavariale a ser analizada/ C'ando se re+'ieren graficas y alg'nos estad ticosadicionales. se activan en la o)cion "ra)hs/

Cap7tulo 3

%8-#ue es eperimento aleatorio$


10/22

Control Estadistico de la Calidad 10Mn eA)erimento aleatorio es a+'el c'yo res'ltado no )'ede antici)arse a'n C'andosiem)re se re)ita de la misma manera/

%9- *e+ina espacio muestral / evento

A spacio muestralEs el con-'nto de res'ltados )osiles de 'n eA)erimento aleatorio/

;ventoEs 'n s'con-'nto del es)acio m'estral de Mn eA)erimento aleatorio/

&0"#ue es


11/22


'%!pli1ue el Teorema central del l7miteMna de las razones )or las +'e la distri'ci(n normal es tan im)ortante es deido aeste eorema. +'e en 'n caso )artic'lar afirma> sea A 9. A;.///. A 'na m'estra aleatoria

de c'al+'ier )olaci(n. y 0ea 2 n 5 la media m'estral* entonces. inde)endientementede c(mo sea la distri'ci(n de la )olaci(n de donde se eAtra-o la m'estra. ladistri'ci(n de 2 se a)roAima a la normal conforme n crece/

'&"cuando ocurre una distri)ucin normal estndar$C'ando es 'na distri'ci(n normal con )ar%metros Q : y s: 9. entonces a ladistri'ci(n se le conoce como distri'ci(n normal est%ndar/

''!"mencione algunas prue)as para veri+icar normalidad$

EAisten m'chas )r'eas )ara verificar la normalidad. entre las +'e se enc'entran lassig'ientes> JiNc'adrada )ara

'(Hn 1ue nos a/uda los parmetros de di+erencia de medias> di+erencia deproporciones o cocientes de variana$

Estos intervalos )roveen informaci(n sore la ig'aldad estadstica de los )ar%metroscorres)ondientes a las dos )olaciones de inters. estos c%lc'los invol'cran a losestimadores )'nt'ales otenidos con cada m'estra/

'8!"#ue es una prue)a de Hipotesis$

Es 'n est'dio estadstico )or lo general se 'sca res)onder con cierta confianza

ciertas )reg'ntas )ara tomar desiciones. as%ndonos en este )'nto la )ersona +'ehace el est'dio )'ede tener ya )redeterminado ciertas creencias o hi)(tesis +'edesea com)roar/

'9!"Cuales son los pasos +undamentales para crear una .iptesis estad7stica$

9/Planteamiento de 'na hi)(tesis estadstica. ;/estadsticos de )r'ea.


12/22


(2"#ue es una Hipotesis Alternativa Ha$

Es 'na afirmaci(n +'e se ace)tara si los datos m'estrales )ro)orcionan evidencia de+'e la hi)(tesis n'la es falsa/

(3!"*e+ina 1ue es un estad7stico de prue)a$

@orm'la +'e )ermite calc'lar 'n n'mero a)artir de los datos y de $o. la magnit'd deeste n'mero )ermite discernir si $o se rechaza o no/

(%!"Como podr7amos de+inir una regin de rec.aos$

Con-'nto de )osiles valores del estadstico de )r'ea +'e nos llevan a rechazar $o/

(&!"#ue es una regin de aceptacin$Con-'nto de )osiilidades valores del estadstico de )r'ea donde no se rechaza $o/

('!"#ue es una .iptesis )ilateral$

Es c'ando la hi)(tesis alternativa es del ti)o no es ig'al e incl'ye a los casos mayor+'e y menor +'e el valor +'e afirma es $o/

((!"*e+ina 1ue es una .iptesis unilateral!

Es c'ando $a es ya sea del ti)o mayor +'e. o ien de la forma menor +'e el valor +'e

res)alda $o/

(8!"stadisticamente a 1ue le llamamos un error del tipo ?

Es c'ando se rechaza 'na $o +'e es verdadera/

(9!"A 1ue le podr7amos llamar un error tipo 2$

Es c'ando se ace)ta 'na $o +'e es falsa/

80!"*e+ina 1ue es una potencia de prue)a$!Es la )roailidad de rechazar $o c'ando es falsa/

8! " s necesario 1ue una prue)a estad7stica sea potente$

En la medida de lo )osile si. )ero c'ando el tamao de la m'estra se incrementa eneAceso a tamao de cientos se llega a tener 'na )otencia eAcesiva +'e lleva aleAtremo de rechazar $o c'ando es verdadera desde el )'nto de vista )ractico/


13/22


82!"Cul es la +rmula para pro)ar el estad7stico de prue)a$to : 42!edia 5 !edia7Ss

83!"#ue representa S en esta +rmula$0 re)resenta la desviaci(n est%ndar de los datos/

8%!"Son 3 criterios de rec.ao o aceptacin e1uivalentes$Estadstico de )r'ea frente a valor crtico. insignificancia oservada frente ainsignificancia )redefinida. Intervalo de confianza/

8&!"n 1u6 consiste el stad7stico de prue)a +rente a valor cr7tico$consiste en rechazar $ si el estadstico de )r'ea cae en la regi(n de rechazo +'eest% delimitada )or el valor crtico/

8'!"*i+erencia entre signi+icancia o)servada +rente a signi+icancia prede+inida$=a insignificancia )redefinida +'e se denota con T es el riesgo m%Aimo +'e se est%dis)'esto a correr )or rechazar $ indeidamente 4error ti)o I7/ !ientras +'e lasignificancia oservada o calc'lada. tamin conocida como )Nval'e o valorN). es el%rea a-o la distri'ci(n de referencia +'e est% m%s all% del valor del estadstico de)r'ea/

8(!"Cul es la signi+icancia calculada$Es el %rea a-o la distri'ci(n de referencia m%s all% del valor del estadstico de)r'ea/

88"@ntervalo de con+iana$En este mtodo se rechaza $ si el valor del )ar%metro declarado en la hi)(tesis n'lase enc'entra f'era del intervalo de confianza )ara el mismo )ar%metro/ C'ando lahi)(tesis )lanteada es de ti)o ilateral. se 'tiliza directamente el intervalo al 949 ?T 7 de confianza/ En camio. si la hi)(tesis es 'nilateral. se re+'iere el intervalo al949 ? ; T 7 )ara +'e el %rea a-o la c'rva. f'era de cada eAtremo del intervalo. seaig'al a T/

CA4@TUB &

89!"Cules son los 7ndices de capacidad de proceso$ Undices de ca)acidad )ara )rocesos con dole es)ecificaci(n Proceso con 'na es)ecificaci(n =argo )lazo !tricas seis sigma Estimaci(n )or intervalo


14/22

Control Estadistico de la Calidad 14 Ln%lisis de tolerancias Est'dio integral

90!"#u6 son los 7ndices de capacidad para procesos con do)le especi+icacin$=os )rocesos tienen variales de salida o de res)'esta. las c'ales deen c'm)lir con

ciertas es)ecificaciones a fin de considerar +'e el )roceso est% f'ncionando demanera satisfactoria/

9!"#u6 es capacidad de un proceso$Consiste en conocer la am)lit'd de la variaci(n nat'ral del )roceso )ara 'nacaracterstica de calidad dada. ya +'e esto )ermitir% saer en +' medida talcaracterstica de calidad es satisfactoria 4c'm)le es)ecificaciones7/

92!"Cules son los 7ndices de capacidad para procesos con do)leespeci+icacin$

Indice c) Indice cr Indice c)k Indice k Indice c)m

93"#u6 es 7ndice cp$El n!ice !e capaci!a! p"tencial !el pr"ces". cp. se define de la sig'iente manera>

Donde Vre)resenta la desviaci(n est%ndar del )roceso. mientras +'e es y ei son lases)ecificaciones s')erior e inferior )ara la caracterstica de calidad/ Como se )'edeoservar. el ndice cp com)ara el ancho de las es)ecificaciones o la variaci(n tolerada)ara el )roceso con la am)lit'd de la variaci(n real de ste

9%!"#u6 es 7ndice cr$Mn ndice menos conocido +'e el cp. es el +'e se conoce como ra#$n !e capaci!a!

p"tencial. cr. el c'al est% definido )or>

Como se )'ede a)reciar. el ndice cr es el inverso del c). ya +'e com)ara la variaci(nreal frente a la variaci(n tolerada/ Con este ndice se )retende +'e el n'merador seamenor +'e el denominador. es decir. lo deseale son valores de cr )e+'eos 4menores+'e 97/ =a venta-a del ndice cr sore el c) es +'e s' inter)retaci(n es 'n )oco m%s


15/22


int'itiva. a saer> el valor del ndice cr re)resenta la )ro)orci(n de la anda dees)ecificaciones +'e es oc')ada )or el )roceso.

9&!"#u6 es 7ndice cp> cpi> cps$

Dndice cpkIndicador de la ca)acidad real de 'n )roceso +'e se )'ede ver como 'n a-'ste delndice cp )ara tomar en c'enta el centrado del )roceso/

Dndices cpiIndicador de la ca)acidad de 'n )roceso )ara c'm)lir con la es)ecificaci(n inferior de'n caracterstica de calidad/

Dndice cpsIndicador de la ca)acidad de 'n )roceso )ara c'm)lir con la es)ecificaci(n s')erior de'na caracterstica de calidad/

9'!"#u6 es 7ndice k?Es 'n indicador de +' tan centrada est% la distri'ci(n de 'n )roceso con res)ecto alas es)ecificaciones de 'na caracterstica de calidad dada/

9(!"Cuales la +ormula del indice E$

98!"#u6 es 7ndice cpm F7ndice de taguc.i$

Undice de tag'chi similar al cpk +'e. en forma sim'lt%nea. toma en c'enta el centrado yla variailidad del )roceso/


16/22


99!"1u6 es capacidad de corto plao$0e calc'la a )artir de m'chos datos tomados d'rante 'n )eriodo corto )ara +'e nohaya infl'encias eAternas en el )roceso. o con m'chos datos de 'n )eriodo largo. )erocalc'lando con el rango )romedio 41 : r%S!;7/

00!"#u6 es capacidad de largo plao$0e calc'la con m'chos datos tomados de 'n )eriodo largo )ara +'e los factoreseAternos infl'yan en el )roceso. y 1 se estima mediante la desviaci(n est%ndar detodos los datos 41 : s7/

0!Cules Son los 7ndices pp / ppEstos ndices est%n enfocados al desem)eo del )roceso a largo )lazo. y no s(lo a s'ca)acidad/Por ello. el n!ice !e !esempe&" p"tencial !el pr"ces" 4pr"cess per'"rmance7pp secalc'la de la0ig'iente manera>

Dndice pp

Indicador del desem)eo )otencial del )roceso. +'e se calc'la en forma similar alndice cp )ero 'sando la desviaci(n est%ndar de largo )lazo/

Dndice ppIndicador del desem)eo real del )roceso. +'e se calc'la en forma similar al ndicecpk )ero 'sando la desviaci(n est%ndar de largo )lazo/

02!"#u6 es m6tricas seis sigma$


17/22


Calidad seis sigma o los )rocesos seis sigma se refieren a 'n conce)to +'e )lantea'na as)iraci(n o meta com&n en calidad )ara todos los )rocesos de 'na organizaci(n/

03!"#u6 es el 7ndice $

Wtra forma de medir la ca)acidad del )roceso es mediante el ndice #. el c'al consisteen calc'lar la distancia entre las es)ecificaciones y la media X del )roceso en 'nidadesde la desviaci(n est%ndar. 1/ De esta manera. )ara 'n )roceso con dolees)ecificaci(n se tiene # s')erior. #s. y # inferior. zi. +'e se definen de la

0ig'iente manera>

Dndice zEs la mtrica de ca)acidad de )rocesos de mayor 'so en seis sigma/ 0e otienecalc'lando la distancia entre la media y las es)ecificaciones. y esta distancia se divideentre la desviaci(n est%ndar=a ca)acidad de 'n )roceso medida en trminos del ndice # es ig'al al valor m%s)e+'eo de entre #s y #i. es decir>

0%!"#u6 es el 7ndice zc?,alor del ndice # en el c'al se em)lea la desviaci(n est%ndar de corto )lazo/

0&!"#u6 es el 7ndice zl?,alor del ndice # +'e 'tiliza la desviaci(n est%ndar de largo )lazo/

0'!"Cul es la di+erencia / como se calcula entre c / l$=a diferencia entre la ca)acidad de corto y largo )lazo se conoce como!espla#amient" o m"(imient" !el pr"ces" y se mide a travs del ndice # de lasig'iente manera>

0(!"#u6 es calidad tres sigmaener 'npr"ces" tres si)ma significa +'e el ndice # corres)ondiente es ig'al a tres

08!#ue s proceso tres sigma$Proceso c'ya ca)acidad )ara c'm)lir es)ecificaciones a corto )lazo es ig'al a*c : < y el ndice es cpk : 9/

09!"#u6 es la calidad seis sigma$


18/22

Control Estadistico de la Calidad 18ener esta calidad significa disear )rod'ctos y )rocesos +'e logren +'e la variaci(nde las caractersticas de calidad sea tan )e+'ea +'e el ndice #c de corto )lazo seaig'al a seis. lo c'al im)lica +'e la cam)ana de la distri'ci(n +'e)a dos veces dentrode las es)ecificacionesEn ese caso. a corto )lazo se tendra 'na tasa de defectos de /; ))m. +'e en

trminos )r%cticos e+'ivale a 'n )roceso con cero defectos/

0!"#u6 es el proceso seis sigma$Proceso c'ya ca)acidad )ara c'm)lir es)ecificaciones a corto )lazo es ig'al a*c : Y c'ando es a corto )lazo*l :K/F largo )lazoCpk: ; yppk : 9/F/

!#ue s claro / a5uste$Es c'ando 'na )ieza se ensamla en otra y es necesario 'n claro )ara +'e el a-'stesea )osile y +'e haya )oco -'ego ' holg'ra/

2!"#ue es @nter+erencia$oc'rre c'ando la dimensi(n del )rod'cto a ensamlar es mayor +'e el es)aciodis)onile )ara el ensamle/

3"!A #ue se le llama simulacin monte carlo$Es 'n mtodo +'e. mediante la generaci(n o sim'laci(n de variales aleatorias con lascaractersticas de los com)onentes. genera la distri'ci(n del ensamle final/

%!"#ue son limites naturales o reales de un proceso$0on a+'ellos entre los c'ales )or lo reg'lar vara el )roceso

&!"#ue son l7mites de tolerancia o especi+icaciones$0on los valores entre los c'ales dee estar la caracterstica de calidad de 'n )rod'cto/

'!numere 2 caracter7sticas de tipo nominal 1ue es el diseGador de toleranciasde)e de especi+icar:

El )romedio deseado 4o Ovalor nominal. n7/ =os lmites de es)ecificaci(n 4o Olmites de tolerancia7 arria y aa-o del valor

nominal +'e deen c'm)lir los com)onentes individ'ales del )rod'cto

(!numere os tres procesos para evaluar capacidades de estimacin por

intervalo de los 7ndices de capacidad: Proceso con m'y 'ena ca)acidad Proceso con m'y mala ca)acidad Proceso con 'na ca)acidad intermedia o incertid'mre sore s' ca)acidad real/

8!"#ue es el proceso de )uena capacidad$


19/22


0e tiene este caso c'ando el lmite inferior de los intervalos de confianza )ara losndices es mayor +'e 9/


20/22


30!" #ue son 7ndices Fdpu $D)' son defectos )or 'nidad. y es 'na mtrica de calidad +'e es ig'al al n'mero dedefectos encontrados en el n'mero de 'nidades ins)eccionadas y no toma en c'entasla o)ort'nidades de error/

3!scri)a la +ormula del indice dpu

32!"1u6 son 7ndices Fdpo$=os ndices d)o son defectos )or 'nidad. y es 'na mtrica de calidad +'e es ig'al aln'mero de defectos encontrados entre el total de o)ort'nidades de error al )rod'cir'na cantidad es)ecifica de 'nidades/

33!scri)a la +ormula de dpo

0' form'la es

3%!" #ue son 7ndices dpmo$=os ndices d)mo son defectos )or mill(n de o)ort'nidades y es 'na mtrica de seissigma )ara )rocesos de atri'tos +'e c'antifica los defectos es)erados en 'n mill(nde o)ort'nidades de error/

3&!"#ue es ,endimiento com)inadoEl rendimientocominado del )roceso es el )rod'cto de los rendimientos de s'seta)as. es decir>

3'!" 1ue es el 7ndice / $El ndice y es la )roailidad de +'e 'na 'nidad este lire de defectos desde la)rimera hasta la 'ltima eta)a del )roceso/

3(!" 1ue indica la una tendencia ascendente de un rendimiento acumulado$Esta indica la dismin'ci(n de 'na )roailidad de +'e 'na 'nidad lleg'e hasta el finaldel )roceso lire de defectos. y entre mas f'erte sea la tendencia myor ser% la)roailidad de la no calidad


21/22


38!" 1ue son simulaciones no lineales$Es 'n mtodo +'e mediante la generaci(n o sim'laci(n de variales aleatorias con lascaractersticas de los com)onentes genera la distri'ci(n del ensamle general/

39!" de+ina 1ue es claro / a5uste$0e )resenta c'ando 'na )ieza se ensamla en otra y es necesario 'n claro )ara +'eel a-'ste sea )osile y +'e haya )oco -'ego ' holg'ra/

%0!" de+ina tolerancia para los componentes individuales de un ensam)le$Es 'n )roceso relativamente inverso y se da c'andio es necesario determinar limitesde es)ecificaci(n en los com)onentes individ'ales de ensamle/

%!#ue s stargrap.ics$

Es 'n softare +'e sirve )ara analizar los datos +'e se introd'cen en 'na tala dondese dan lkos nomres de las variales +'e son alanizadas. y incl'ye graficas )ara laca)acidad de corto y largo )lazo analtico/

%2!" 1ue es minita)$Es 'n ti)o de softare donde eAisten varias o)ciones )arta hacer 'n analiosis deca)acidad donde se selecciona 'na lisyta de o)ciones )arta realizar el an%lisis dondees )osile calc'lar tanto la varianza de corto y largo )lazo/

%3!"Cmo se da un porcenta5e de ensam)le +inal cuando cae dentro deespeci+icaciones$

Este )orcenta-e se )resenta c'ando la dimencion de 'na )ieza es 'na cominaci(nlineal de las dimensiones de las )artes com)onentes/ !

%%!"#ue es stimacion por intervalo de los indices de capacidad$se necesita conocer la media. X. y la desviaci(n est%ndar. 1. del )roceso con 'na'ena a)roAimaci(n/ 0in emargo. c'ando no se conocen estos )ar%metros ser%necesario 'tilizar datos m'estrales y estimar )or intervalo a estos ndice

%&!#ue son 7mites de tolerancia o especi+icaciones$0on los valores entre los c'ales dee estar la caracterstica de calidad de 'n )rod'cto/%'!" Cuales son los limites naturales de tolerancia de un proceso?

Lmite real in'eri"r + Lmite real superi"r ,LRS

%(!"Cuando se dice 1ue un proceso es capa o .a)il$Proceso +'e c'm)le con es)ecifi caciones de tal forma +'e el nivel dedisconformidades es s'fi cientemente a-o )ara garantizar +'e no har% esf'erzosinmediatos )ara tratar de a-arlas y me-orar s' ca)acidad/

%8/*e+inir tolerancias para los componentes individuales de un ensam)le


22/22

Control Estadistico de la Calidad 22Mn )rocedimiento relativamente inverso al )resentado en el e-em)lo anterior seda c'ando es necesario determinar lmites de es)ecificaci(n en loscom)onentes individ'ales de ensamla-e. a fin de c'm)lir con los lmites dees)ecificaci(n en el ensamla-e final/ Esta sit'aci(n se il'stra a travs delsig'iente e-em)lo/

%9!"#ue de)e especi+icar el *iseGo de tolerancias$9/El )romedio deseado 4o Ovalor nominal. N7/;/=os lmites de es)ecificaci(n 4o Olmites de tolerancia7 arria y aa-o del valornominal +'e deen c'm)lir los com)onentes individ'ales del )rod'cto

&0!Si la distri)ucin del proceso es normal F> I> entonces los l7mites naturalesestn dados por:

Control Est, Calidad

Documents

Transcript of Control Est, Calidad