Borrador_Consolidado Momento 1 año 2015
-
Upload
brigithgualdronayala -
Category
Documents
-
view
220 -
download
0
description
Transcript of Borrador_Consolidado Momento 1 año 2015
CONTROL DE CALIDAD NombreCdigo
INGRITH VANESSA BLANCO GUALDRON1049620096
JUAN PABLO CRUZ MARTNEZ1002392913
FABIO LEONARDO VARGAS
Tutor: OSCAR JAVIER HERNANDEZNmero de grupo colaborativo: 302582_101Fecha de entrega: Septiembre 30 de 2015ACTIVIDADES:1. Tabla unificada de trminos.
Se seleccionara quince (15) trminos tcnicos a manera de glosario (5 por captulo) que tengan relacin con la temtica de la Unidad 1. Fundamentos del control Estadstico de Calidad.
Captulo 1: Conceptos generales
CONCEPTODEFINICINFUENTE CITA BAJO NORMA APA
Variables de entrada de procesoson aquellas que definen las diferentes condiciones de una operacin de procesos e incluyen las viables de control y las que aunque no son controladas, influyen en el desempeo del mismoPulido Gutirrez, Humberto. (2009). Control estadstico de la calidad y seis sigma. Editorial Mc Graw Hill interamericana. Edicin 2, 24-215.
Variables de salidaSe define como las caractersticas de calidad o variables de respuesta. y son las variables en las que se reflejan los resultados obtenidos en el proceso, atreves de los valores que toman estas variablesPulido Gutirrez, Humberto. (2009). Control estadstico de la calidad y seis sigma. Editorial Mc Graw Hill interamericana. Edicin 2, 24-215.
Pensamiento estadsticoFilosofa de aprendizaje y accin que establece la necesidad de un anlisis adecuado de los datos de un proceso, como una accin indispensable para mejorar su variabilidadPulido Gutirrez, Humberto. (2009). Control estadstico de la calidad y seis sigma. Editorial Mc Graw Hill interamericana. Edicin 2, 24-215.
ProductividadSe entiende como la relacin entre lo producido y los medios empleados; por lo tanto, se mide mediante cociente: resultados logrados entre recursos empleados. los resultados logrados pueden medirse en unidades producidas, piezas vendidas, clientes atendidos o en utilidadesPulido Gutirrez, Humberto. (2009). Control estadstico de la calidad y seis sigma. Editorial Mc Graw Hill interamericana. Edicin 2, 24-215.
EficaciaSe define como el grado con el cual las actividades planeadas son realizadas y los resultados previstos son logrados. se esta forma se atiende maximizando resultadosPulido Gutirrez, Humberto. (2009). Control estadstico de la calidad y seis sigma. Editorial Mc Graw Hill interamericana. Edicin 2, 24-215.
Captulo 2: Tcnicas estadsticas para el control
CONCEPTODEFINICINFUENTE CITA BAJO NORMA APA
Tabla de frecuenciaRepresentacin en forma de tabla de la distribucin de unos datos, a los que se clasifica por su magnitud en cierto nmero de clases.Pulido Gutirrez, Humberto. (2009). Control estadstico de la calidad y seis sigma. Editorial Mc Graw Hill interamericana. Edicin 2, 24-215.
HistogramaSe define como la representacin grfica de la distribucin de un conjunto de datos o de una variable, donde los datos se clasifican por una magnitud en un cierto nmero de clases. al mismo tiempo permite visualizar las tendencia central, la dispersin y la forma de la distribucinPulido Gutirrez, Humberto. (2009). Control estadstico de la calidad y seis sigma. Editorial Mc Graw Hill interamericana. Edicin 2, 24-215.
Distribucin multimodalSe define como forma la distribucin de unos datos en la que sea aprecian claramente dos o ms modas(picos), por lo general, cada moda refleja una condicin o realidad diferentePulido Gutirrez, Humberto. (2009). Control estadstico de la calidad y seis sigma. Editorial Mc Graw Hill interamericana. Edicin 2, 24-215.
Estratificacinel concepto de estratificacin consiste en clasificar y analizar datos de acuerdo con las distintas fuentes de donde proceden, como por ejemplo por maquinas, lotes, proveedores, turnos, etc.Pulido Gutirrez, Humberto. (2009). Control estadstico de la calidad y seis sigma. Editorial Mc Graw Hill interamericana. Edicin 2, 24-215.
Tabla de frecuenciaSe define como la Representacin en forma de tabla de la distribucin de unos datos, a los que
se clasifica por su magnitud en cierto
nmero de clasesPulido Gutirrez, Humberto. (2009). Control estadstico de la calidad y seis sigma. Editorial Mc Graw Hill interamericana. Edicin 2, 24-215.
Captulo 3: Metrologa y seis sigma
CONCEPTODEFINICINFUENTE CITA BAJO NORMA APA
Seis sigma (6s)Se define como una estrategia de mejora continua del negocio que busca mejorar el desempeo de los procesos de una organizacin y reducir su variacin; esto lleva a encontrar y eliminar las causas de los errores, defectos y retrasos en los procesos del negocio, tomando como punto de referencia en todo momento a los clientes y sus necesidades.Pulido Gutirrez, Humberto. (2009). Control estadstico de la calidad y seis sigma. Editorial Mc Graw Hill interamericana. Edicin 2, 24-215.
Diagrama de pateose define como el grafico de barras que ayuda a identificar prioridades y causas, ya que se ordenan por orden de importancia a los diferentes problemas que se presentan en los diferentes procesosPulido Gutirrez, Humberto. (2009). Control estadstico de la calidad y seis sigma. Editorial Mc Graw Hill interamericana. Edicin 2, 24-215.
Hoja de verificacinEs un formato construido para colectar datos, de forma que su registro sea sencillo y sistemtico, y se puedan analizar visualmente los resultados obtenidos.
Pulido Gutirrez, Humberto. (2009). Control estadstico de la calidad y seis sigma. Editorial Mc Graw Hill interamericana. Edicin 2, 24-215.
Estratificacinconsiste en analizar diferentes problemas, fallas, quejas o datos, clasificndolos de acuerdo con los diferentes factores que puedan influir en la magnitud de los mismos
Pulido Gutirrez, Humberto. (2009). Control estadstico de la calidad y seis sigma. Editorial Mc Graw Hill interamericana. Edicin 2, 24-215.
Diagrama de verificacinEs un formato construido para colectar datos, de forma que su registro sea sencillo y sistemtico, y se puedan analizar visualmente los resultados obtenidos.
Pulido Gutirrez, Humberto. (2009). Control estadstico de la calidad y seis sigma. Editorial Mc Graw Hill interamericana. Edicin 2, 24-215.
2. Ejemplos de Aplicacin de Tcnicas Estadsticas para el control.
Buscar dos ejemplos de aplicacin para una empresa industrial en relacin con alguna de las siguientes tcnicas estadsticas para el control de calidad: Diagrama de Pareto, Histograma, Diagrama de dispersin, regresin lineal o grficos de control.
Seleccionar dos herramientas diferentes explicando el contexto de la misma y el resultado final producto del anlisis del grfico, as como su importancia para el control estadstico de procesos. Los ejemplos no pueden ser de la misma empresa.
DIAGRAMA DE PARETO
El Principio de Pareto afirma que en todo grupo de elementos o factores que contribuyen a un mismo efecto, unos pocos son responsables de la mayor parte de dicho efecto. Es una comparacin cuantitativa y ordenada de elementos o factores segn su contribucin a un determinado efecto.
Ejemplo Diagrama de ParetoEmpresa: Fabrica de bombillos y lmparas ahorradoresProducto: foco ahorrador de 65W
Ao de anlisis 2014
Contexto: la fbrica de bombillos y lmparas ahorradoras de energa, est muy preocupada por la cantidad elevada de devoluciones de su producto estrella el foco ahorrador de 65W, por diferentes motivos. Por lo que la empresa necesita conocer cul es el factor que est afectando la calidad del producto y quines son los clientes con mayores devoluciones. As es como por medio del diagrama de pareto se pretende conocer las posibles causas de la devolucin del producto
Total de focos devueltos: 167 unidades
Dato relevante: de los 82 clientes directos que adquieren el producto, se determin que 19 clientes son los que han devuelto el producto en el transcurso del ao 2014
Paso 1: ordenar a los clientes de acuerdo a la frecuencia de devolucin en forma descendente
CODIGO DE CLIENTENUMERO DE DEVOLUCIONES
A00235
A0244
A0342
A0785
CF2
EE0124
G8052
LJ261
M0265
M03327
PJ061
PY041
Q1301
QV021
QV0629
QV121
QV171
QV1920
VN035
TOTAL167
Organizndolo de mayor a menos, segn el nmero de devoluciones tenemos:
CODIGO DE CLIENTENUMERO DE DEVOLUCIONES
A00235
QV0629
M03327
EE0124
QV1920
A0785
M0265
VN035
A0244
A0342
CF2
G8052
LJ261
PJ061
PY041
Q1301
QV021
QV121
QV171
TOTAL167
Calcular el porcentaje, en el cual debemos dividir el valor de la frecuencia de cada cliente por el total de devolucin.
CODIGO DE CLIENTENUMERO DE DEVOLUCIONESFRECUENCIA %
A0023520,96%
QV062917,37%
M0332716,17%
EE012414,37%
QV192011,98%
A07852,99%
M02652,99%
VN0352,99%
A02442,40%
A03421,20%
CF21,20%
G80521,20%
LJ2610,60%
PJ0610,60%
PY0410,60%
Q13010,60%
QV0210,60%
QV1210,60%
QV1710,60%
TOTAL167100,00%
Calculemos el porcentaje acumulado
CODIGO DE CLIENTENUMERO DE DEVOLUCIONESFRECUENCIA %FRECUENCIA ACUMULADA
A0023520,96%20,96%
QV062917,37%38,32%
M0332716,17%54,49%
EE012414,37%68,86%
QV192011,98%80,84%
A07852,99%83,83%
M02652,99%86,83%
VN0352,99%89,82%
A02442,40%92,22%
A03421,20%93,41%
CF21,20%94,61%
G80521,20%95,81%
LJ2610,60%96,41%
PJ0610,60%97,01%
PY0410,60%97,60%
Q13010,60%98,20%
QV0210,60%98,80%
QV1210,60%99,40%
QV1710,60%100,00%
TOTAL167100,00%
Ahora se procede a graficar
Resultados:
Al analizar la grfica, se observa que los 5 clientes intermediarios que aparecen en el principio del diagrama se determin que el 10% era por defectos de fbrica. Pero, el 90% de la cantidad que nos devuelven pertenece a 2 casos particulares:
El cliente intermediario no tiene cuidado con el producto (frgil) en sus bodegas. Receptan artculos defectuosos por parte de consumidor final (mal uso, cadas, etc) y nos enva con el justificativo de defectos de fbrica.Por este motivo se determin que al momento de despachar a los clientes intermediarios ya mencionado el producto se verifique por unidad por parte del personal tcnico.
Ejemplo tomado como referencia de: http://www.monografias.com/trabajos47/diagrama-pareto/diagrama-pareto2.shtml#ixzz3lv0Ri4iVGRFICOS DE CONTROL.
Los grficos de control han sido utilizados con xito en una amplia variedad de situaciones de control de procesos, la experiencia ha demostrado que los grficos de control dirigen efectivamente la atencin hacia las causas especiales de variacin y a la magnitud de la variacin de causas comunes que se deben reducir mediante actuacin por parte de la direccin.
Tipos de Grficos de Control
Los grficos de control pueden ser de dos tipos segn la caracterstica del producto o servicio a analizar.
Grficos de control por variables
Grficos de control por atributos.Ejemplo Diagrama de control.
En una empresa productora de sellos retenedores de aceite se ha tomado una muestra total de 15 sellos ya producidos para medir su dimetro interno, esta informacin se ha registrado en una carta de control con el objetivo de verificar que estas dimensiones se encuentren dentro de los lmites de control preestablecidos, los datos registrados se presentan a continuacin:
MUESTRADIAMETRO (mm)PROMEDIOLSCLIC
A74,01274,00974,02473,996
B73,99574,00974,02473,996
C73,98774,00974,02473,996
D74,00874,00974,02473,996
E74,00374,00974,02473,996
F73,99474,00974,02473,996
G74,00874,00974,02473,996
H74,00174,00974,02473,996
I74,01574,00974,02473,996
J74,03074,00974,02473,996
K74,00174,00974,02473,996
L74,01574,00974,02473,996
M74,03574,00974,02473,996
N74,01774,00974,02473,996
O74,01074,00974,02473,996
A partir del grafico anterior se puede identificar que la mayora de observaciones fluctan alrededor del promedio y dentro de los lmites de control preestablecidos, sin embargo hay observaciones que se encuentran fuera de estos lmites, lo que indica que puede haber anomalas en el proceso de produccin de los sellos, por lo tanto deben estar sujetos a un control y seguimiento ms detallado.
DIAGRAMA DE DISPERSIN:
El diagrama de dispersin permite analizar si existe algn tipo de relacin entre dos variables. Por ejemplo, puede ocurrir que dos variables estn relacionadas de manera que al aumentar el valor de una, se incremente el de la otra. En este caso hablaramos de la existencia de una correlacin positiva. Tambin podra ocurrir que al producirse una en un sentido, la otra derive en el sentido contrario; por ejemplo, al aumentar el valor de la variable x, se reduzca el de la variable y. Entonces, se estara ante una correlacin negativa. Si los valores de ambas variable se revelan independientes entre s, se afirmara que no existe correlacin.Ejemplo Diagrama de Dispersin:La direccin de una mina est preocupada por el alto porcentaje de indisponibilidad de sus mquinas cargadoras. Encarga al jefe de mantenimiento que analice si est influyendo la antigedad de dichas maquinas en su porcentaje de indisponibilidad. Para ello, recoge la informacin de la fecha de compra y del porcentaje de indisponibilidad de cada mquina y la traslada a la siguiente tabla:NMquinaFecha Compra% Indisponibilidad
1C-0037199429
2C-0038199439
3C-0039199524
4C-0040199532
5C-0041199543
6C-0042199620
7C-0043199641
8C-0044199630
9C-0045199720
10C-0046199725
11C-0047199812
12C-0048199819
13C-0049199910
14C-0050199930
15C-005120009
16C-0052200014
Observamos que los factores involucrados en la correlacin indican que el porcentaje de indisponibilidad es grave, posiblemente porque la maquina no cuenta con la misma calidad que el inicio. Por lo que se sugiere el darle un mejor mantenimiento o en el peor de los casaos comprar maquinaria nueva. Ya que como se indica en el grfico, cualquiera de las dos opciones es buena pero con diferentes costos de implementacin. Importancia del proceso del diagrama de dispersin es que al analizar los procesos, la relacin entre una variable controlable y una caracterstica de calidad es de frecuente importancia. Conociendo esto se pueden controlar las variables y tomar decisiones para la empresa.
Ejemplo tomado de: Aplicacin de diagramas de dispersin, http://es.slideshare.net/AlbertodeAvila/aplicacin-de-diagramas-de-dispersin REGRESIN LINEALEl modelo de pronstico de regresin lineal permite hallar el valor esperado de una variable aleatoria a cuando b toma un valor especfico. La aplicacin de este mtodo implica un supuesto de linealidad cuando la demanda presenta un comportamiento creciente o decreciente, por tal razn, se hace indispensable que previo a la seleccin de este mtodo exista un anlisis de regresin que determine la intensidad de las relaciones entre las variables que componen el modelo.Ejemplo de Regresin Lineal:La juguetera Gaby desea estimar mediante regresin lineal simple las ventas para el mes de Julio de su nuevo carrito infantil "Mate". La informacin del comportamiento de las ventas de todos sus almacenes de cadena se presenta en el siguiente tabulado:
MESVENTAS
1 Enero7000
2 Febrero9000
3 Marzo5000
4 Abril11000
5 Mayo10000
6 Junio13000
El primer paso para encontrar el pronstico del mes 7 consiste en hallar la pendiente, para ello efectuamos los siguientes clculos:
Luego, y dado que ya tenemos el valor de la pendientebprocedemos a calcular el valor dea, para ello efectuamos los siguientes clculos:
Ya por ltimo, determinamos el pronstico del mes 7, para ello efectuamos el siguiente clculo:
Podemos as determinar que el pronstico de ventas para el perodo 7 es equivalente a 13067 unidades.
La importancia de las grficas de regresin lineal, radica en investigar cmo influye una variable sobre la otra. El objeto de un anlisis de regresin es investigar la relacin estadstica que existe entre ambas variables y poder continuar con un buen trabajo productivo, as como en el caso de la juguetera Gaby.Ejemplo tomado de: Aplicacin de regresin lineal, http://www.ingenieriaindustrialonline.com/herramientas-para-el-ingeniero-industrial/pron%C3%B3stico-de-ventas/regresi%C3%B3n-lineal/
3. Matriz seis sigma.
Elaborar un listado de variables y equipos de medicin estableciendo la relacin variable, unidad de medida, equipo, forma general de recoleccin de la informacin y basados en la filosofa del seis sigma del Medir bien, luego elaborar una matriz de recoleccin de informacin donde se identifique en forma general lo siguiente:
Qu datos se recogen?
Quin es el responsable?
Cmo se recogen?
Cundo lo recogen?
Dnde se recogen?
Por qu se necesitan?
SEIS SIGMA
VARIABLEUNIDAD DE MEDIDAEQUIPO
Seis Sigma, se basa en mtodos estadsticos rigurosos que emplean herramientas de calidad y anlisis matemticos, con el fin de disear productos o mejorar los existentes. Esta estrategia requiere optimizarla por medio de una gua de entradas y procesos involucrados.Matemticamente se describe as:Y= f(x) (1)Esto se expresa como Y es una funcin de x; donde Y es una variable dependiente de salida del proceso, un efecto o sntoma que se debe monitorear y x son variables independientes de entradas o del proceso que representan las causas o problemas que hay que controlar o de hechos controlables.
Unidad (U): Es un artculo producido o procesado disponible para evaluacin contra un criterio o estndar predeterminado.
Defecto (D): Cualquier evento que no cumpla la especificacin de un CTQ o cuando una caracterstica no cumple con el estndar.
Falla: Resulta cuando una caracterstica no tiene el desempeo estndar.
Error: resulta cuando una accin no cumple con el estndar.
Defectuoso: Una unidad que tiene uno o ms defectos.
Defectos por unidad (DPU): Es la cantidad de defectos en un producto.
Oportunidad de defectos (O):
-Cualquier caracterstica que pueda medirse y de una oportunidad de no satisfacer un requisito del cliente.
-Las necesidades vitales del cliente se traducen en Caractersticas Crticas para la Satisfaccin (CTS),
-Estas a su vez se traducen a Caractersticas Crticas para la Calidad, Entrega y Costo (CTQs, CTDs y CTCs) las cuales tienen impacto en las CTSs.
-Las Caractersticas Crticas para el Proceso (CTPs), tienen impacto en las CTQs, CTDs o CTCs y son Oportunidades para control.
Defectos por oportunidad (DPO):
Defectos por milln de oportunidades (DPMO): Es el nmero de defectos encontrados en cada milln de unidades.
Capacidad del proceso:
Rendimiento estndar o de primera pasada YFT: Es el porcentaje de producto sin defectos antes de realizar una revisin del trabajo efectuado.
Rendimiento al final o de lnea final YLT: Es el porcentaje de producto sin defectos despus de realizar la revisin del trabajo. Es el rendimiento despus de la inspeccin la prueba. Excluye el retrabajo y el desperdicio Siempre ser mayor al Yrt. Slo observa la calidad del producto terminado.
Rendimiento total de produccin o rendimiento estndar Yrt: es el rendimiento real a travs de todos los procesos productivos sin reproceso o reparacin. Se obtiene multiplicando los rendimientos individuales de cada proceso (Yrt = Y1 * Y2 * Y3 **Yn).El componente visible y activo dentro del desarrollo de un proceso Seis Sigma, son los equipos DMAMC, los cuales se definen como equipos de mejora, resolucin de problemas y diseo de procesos.
D efinir
M edirA nalizar
M ejorar
C ontrolar.
El ciclo de vida del DMAMC es:
Fase1: identificacin y seleccin del proyecto.
Fase2: formacin del equipo.
Fase3: desarrollo del documento marco.
Fase4: capacitacin del equipo.
Fase5: ejecucin del proceso DMAMC e implementacin de soluciones.
Fase6: traspaso de la solucin.
MATRIZ DE RECOLECCION DE INFORMACION
PLAN DE RECOLECCION DE DATOS
Qu?Cmo?Quin?Cuando?Dnde?Porque?
MedicinTipo de medicin (salida/entrada/proceso)Tipo de dato (continuo/discreto)Definicin organizacionalResponsableFecha/tiempo/frecuenciaFuente/lugarnecesidad
Qu datos se recogen?: Los que se requiere para el producto como (ficha tcnica) intervalo de aceptacin y rechazo.Quin es el responsable?: Dependiendo del proceso pueden ser: El Analista de laboratorio, el supervisor de planta o produccin, operario de maquinaria, coordinador de rea.Cmo se recogen?: Si se elabora con un equipo es: Lectura directa del equipo, si es basado con instrumentos como maquinaria etc. se especifica el proceso con que se elabor-se determina rangos de normalizacin si es el caso.Cundo se recogen?: Se relaciona con el producto como pueden ser medidores de tiempo como segundos, minutos u horas, o especificacin de diario, semanal, mensual etc.Dnde se recogen?:Teniendo en cuenta el proceder de la planta puede ser: Laboratorio de calidad, planta de produccin, oficinas, centros de salud etc.4. Software libre para aplicacin de seis sigma.
Realizar consulta sobre algn tipo de software de uso libre para poder llevar a cabo la implementacin de la metodologa seis sigma. Se debe registrar la siguiente informacin.ConceptoLink para descargaFuente [Norma APA]
Fast Statisticshttp://en.softonic.com/s/download-six-sigma-software Sottonic. (2014). Fast Statistics. Versin 2.0.4. recuperado en http://en.softonic.com/s/download-six-sigma-software [2015, 20 de septiembre]
Minitab 17 stadisticalhttp://it.minitab.com/es-mx/products/minitab/free-trial.aspx
Aris expreso 2.4bhttp://www.ariscommunity.com/aris-express/download
Free Lean Six Sigma Tools Minitab 17
Al descargar Mintab 17, se selecciona el idioma y el uso del Software: En este caso de Uso Acadmico. Tiene una licencia gratuita de 30 das.http://www.minitab.com/es-mx/lp/free-lean-six-sigma-tools.aspx?WT.srch=1&WT.mc_id=SE2218&gclid=Cj0KEQjwvJqvBRCL77m2-uKczsIBEiQAkx8VjNg2m1HhfYIlrTmBCImO9Wp026fl43Ay7iEQXAmXW6UaAoC68P8HAQ Descargue Minitab Statistical Software Gratis. [Citado el 02 Sep. 2015]
Free Lean Six Sigma Tools Quality Companion3
Todo lo que usted necesita para completar sus proyectos: formularios personalizables, roadmaps, plantillas y mshttp://www.minitab.com/products/quality-companion/features/
Descargue
Quality Companion 3 Software Gratis.
FUENTES BIBLIOGRAFICAS Entorno de conocimiento, AVA, curso de Control de Calidad, Fundamentos Del Control Estadstico
15
_1504973501.unknown