TRABAJO COLABORATIVO 2

CONTROL DE CALIDAD












JOSE FERNEY FUENTES AZA Cd. 1052397898
WILLIAM FERNEY FONSECA Cd. 1053302377






TUTOR:
ING. GEOVANNY GERMAN GOMEZ





EMPRESA
BAVARIA S.A (Cervecera)










UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA (UNAD)
ESCUELA DE CIENCIAS BASICAS, TECNOLOGIA E INGENIERIA
NOVIEMBRE
2013

INTRODUCCION

Dentro de la formacin acadmica para la formacin como profesional es
necesario tener aspectos importantes como lo son las tcnicas de control
estadstico y el papel que juegan estas dentro del mbito profesional de la
Ingeniera Industrial, por eso como parte del curso de control de calidad y como
parte para la contextualizacin de la teora vista en el modulo se desarrolla el
trabajo colaborativo basado en la unidad 2 del modulo.







































OBJETIVOS.

GENERAL:

Fundamentar los conceptos de control de calidad con respecto a las
tcnicas estadsticas ms importantes del proceso.

ESPECIFICOS

Contextualizar lo propuesto en la unidad 2 del modulo de control de calidad.

Reconocer la aplicabilidad de los conceptos estadsticos en la resolucin de
problemas empresariales relacionados con el control de calidad.


































Defectos
Producci
n por Da
N.envaces
defectuoso
s
Fraccin
Defectos
LSC =
0.2398 LCS
LIC =
0.0538
Aplastamiento 1 20 0.16 0.2398 0.1468 0.0538
Rotura 2 25 0.2 0.2398 0.1468 0.0538
Fuera de medida 3 18 0.144 0.2398 0.1468 0.0538
Sin etiqueta 4 12 0.096 0.2398 0.1468 0.0538
Mal alabeo 5 13 0.104 0.2398 0.1468 0.0538
Mal terminacin 6 12 0.096 0.2398 0.1468 0.0538
Incompleto 7 10 0.08 0.2398 0.1468 0.0538
Des balanceo 8 15 0.12 0.2398 0.1468 0.0538
Mal etiquetado 9 16 0.128 0.2398 0.1468 0.0538
Mal color 10 18 0.144 0.2398 0.1468 0.0538
sin etiqueta 11 27 0.216 0.2398 0.1468 0.0538
Sucios 12 22 0.176 0.2398 0.1468 0.0538
Despicados 13 10 0.08 0.2398 0.1468 0.0538
Fuera del
diametro 14 15 0.12 0.2398 0.1468 0.0538
Mala apariencia 15 19 0.152 0.2398 0.1468 0.0538
Baja
maquinabilidad 16 13 0.104 0.2398 0.1468 0.0538
Reaccin del
producto 17 28 0.224 0.2398 0.1468 0.0538
Mal pegado 18 23 0.184 0.2398 0.1468 0.0538
Cuerpos extraos 19 27 0.216 0.2398 0.1468 0.0538
Otros. 20 24 0.192 0.2398 0.1468 0.0538

210 367


FRACCION DE DEFECTOS= N. Partes defectuosas/n

P=(367/2500)=0.1468

Sp= Sp=0.031 3Sp=3xSp 3sp=0.093




Lmite superior= p + 3Sp=0.1468+0.093=0.2398

Limite central(p)=0.1468


Lmite inferior=0.1468-0.093=0.0538

GRAFICO CONTROL P


En la grafica se puede afectar que teniendo encuentra los limites de control dada la produccin y los defectos
no se sale de los limites y segn los das el da 7 es en el que menos tiene mientras que despus

se ve que aumenta y se forman algunas ciclos fuera del lmite central pero dentro de los limites de aceptabilidad.


























0
0.05
0.1
0.15
0.2
0.25
0.3
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
GRAFICO CONTRO P
Fraccion Defectos LSC = 0.2398 LCS LIC = 0.0538
Numero de muestras tomadas sobre los resultados del proceso de produccin por botella
de la
cerveza
N=25 para X y R dentro de horas establecidas
cada media hora

Observaciones individuales

N. Muestra 08:00 a.m. 08:30 a.m. 09:00 09:30 10: am Promedio X MAXIMO MINIMO RANGO
1 74 75 82 75 42 69.6 82 42 40
2 74 86 66 63 69 71.6 86 63 23
3 77 114 58 70 95 82.8 114 58 56
4 71 78 74 64 74 72.2 78 64 14
5 79 76 77 72 77 76.2 79 72 7
6 74 95 71 72 70 76.4 95 70 25
7 85 78 79 69 79 78 85 69 16
8 81 84 76 69 74 76.8 84 69 15
9 68 97 85 84 85 83.8 97 68 29
10 64 74 81 70 81 74 81 64 17
11 72 77 68 68 67 70.4 77 67 10
12 71 70 63 70 63 67.4 71 63 8
13 69 79 72 80 72 74.4 80 69 11
14 70 74 71 75 71 72.2 75 70 5
15 83 85 69 85 69 78.2 85 69 16
16 83 81 69 82 70 77 83 69 14
17 75 68 84 68 83 75.6 84 68 16
18 73 63 75 64 79 70.8 79 63 16
19 71 70 73 67 76 71.4 76 67 9
20 79 79 70 85 79 78.4 85 70 15
21 89 74 79 88 70 80 89 70 19
22 71 85 74 70 79 75.8 85 70 15
23 79 82 85 79 75 80 85 75 10
24 71 67 81 74 84 75.4 84 67 17
25 71 70 73 52 83 69.8 83 52 31

75.128

18.16

LSC LC LCI Promediox
85.6 75.128 64.64 69.6
85.6 75.128 64.64 71.6
85.6 75.128 64.64 82.8
85.6 75.128 64.64 72.2
85.6 75.128 64.64 76.2
85.6 75.128 64.64 76.4
85.6 75.128 64.64 78
85.6 75.128 64.64 76.8
85.6 75.128 64.64 83.8
85.6 75.128 64.64 74
85.6 75.128 64.64 70.4
85.6 75.128 64.64 67.4
85.6 75.128 64.64 74.4
85.6 75.128 64.64 72.2
85.6 75.128 64.64 78.2
85.6 75.128 64.64 77
85.6 75.128 64.64 75.6
85.6 75.128 64.64 70.8
85.6 75.128 64.64 71.4
85.6 75.128 64.64 78.4
85.6 75.128 64.64 80
85.6 75.128 64.64 75.8
85.6 75.128 64.64 80
85.6 75.128 64.64 75.4
85.6 75.128 64.64 69.8



PARA EL GRAFICO DE CONTROL X

Limitesuperior=X+A2*R
LSC=85.60

LCI=75.128-0.577(18.16)
LCI=64.64



El grafico nos permite observar nos permite observar que ningn punto se sale dentro de los limites pero si hay algunos que alcanzan a tocar los
limites de control tanto superior como inferior pero como ninguno sobre pasa los limites se est trabajando bien no hay ni sobre produccin y
falta de produccin, Habra que trabajar ms en las bajas y subidas discontinuas para poder mantenerse dentro de la media y ser ms eficiente.

0
20
40
60
80
100
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
M
e
d
i
a

d
e

l
a

M
u
e
s
t
r
a

N. De la Muestra
Grafico de control X
LSC
LC
LCI
Promediox
PARA EL GRAFICO R


OBSERVACIONES INDIVIDUALES

N. Muestra 08:00 a.m. 08:30 a.m. 09:00 09:30 10: am MAXIMO MINIMO RANGO LSC LC LIS
1 74 75 82 75 42 82 42 40 38.4 18.16 1.38
2 74 86 66 63 69 86 63 23 38.4 18.16 1.38
3 77 114 58 70 95 114 58 56 38.4 18.16 1.38
4 71 78 74 64 74 78 64 14 38.4 18.16 1.38
5 79 76 77 72 77 79 72 7 38.4 18.16 1.38
6 74 95 71 72 70 95 70 25 38.4 18.16 1.38
7 85 78 79 69 79 85 69 16 38.4 18.16 1.38
8 81 84 76 69 74 84 69 15 38.4 18.16 1.38
9 68 97 85 84 85 97 68 29 38.4 18.16 1.38
10 64 74 81 70 81 81 64 17 38.4 18.16 1.38
11 72 77 68 68 67 77 67 10 38.4 18.16 1.38
12 71 70 63 70 63 71 63 8 38.4 18.16 1.38
13 69 79 72 80 72 80 69 11 38.4 18.16 1.38
14 70 74 71 75 71 75 70 5 38.4 18.16 1.38
15 83 85 69 85 69 85 69 16 38.4 18.16 1.38
16 83 81 69 82 70 83 69 14 38.4 18.16 1.38
17 75 68 84 68 83 84 68 16 38.4 18.16 1.38
18 73 63 75 64 79 79 63 16 38.4 18.16 1.38
19 71 70 73 67 76 76 67 9 38.4 18.16 1.38
20 79 79 70 85 79 85 70 15 38.4 18.16 1.38
21 89 74 79 88 70 89 70 19 38.4 18.16 1.38
22 71 85 74 70 79 85 70 15 38.4 18.16 1.38
23 79 82 85 79 75 85 75 10 38.4 18.16 1.38
24 71 67 81 74 84 84 67 17 38.4 18.16 1.38
25 71 70 73 52 83 83 52 31 38.4 18.16 1.38

LIMITE SUPERIOR=D4*R

LIMITE CENTRAL=18.16 LIMITE INFERIOR=D3*R=0.076(18.16)=1.38016
LSC=2.115(18.16) =38.4084




Podemos observar que el rango para la muestra 3 cae por fuera de los limites de control o sea
que se estara produciendo ms de lo que en las otras muestras, su variacin con respecto a los
dems muestras es muy alta, mientras que algunas se establecen dentro del lmite central o por debajo
Con lo cual se infiere que la variacin de la produccin es muy heterognea.




0
10
20
30
40
50
60
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
Gafico R
RANGO LSC LC LIS
GRAFICO CONTROL C
Se han visto los defectos de de 20 muestras sucesivas de 1 da de produccin de cerveza.
Muestra N. defectos LCS LC LSI
1 8 11.72 5 -1.7
2 4 11.72 5 -1.7
3 6 11.72 5 -1.7
4 9 11.72 5 -1.7
5 3 11.72 5 -1.7
6 6 11.72 5 -1.7
7 2 11.72 5 -1.7
8 7 11.72 5 -1.7
9 4 11.72 5 -1.7
10 10 11.72 5 -1.7
11 1 11.72 5 -1.7
12 0 11.72 5 -1.7
13 3 11.72 5 -1.7
14 8 11.72 5 -1.7
15 6 11.72 5 -1.7
16 7 11.72 5 -1.7
17 5 11.72 5 -1.7
18 4 11.72 5 -1.7
19 2 11.72 5 -1.7
20 5 11.72 5 -1.7

100

C=Total defectos/n. de muestras LCS=C+3(2.24) LSI=C-3(2.24)
C=100/20 C=5

LSC=11.72

LSI=1.70




Con un nivel de aceptacin media de 5 defectos se puede observar que el punto 12
no se encuentra ningn defecto y los dems puntos se encuentran dentro del nivel
De aceptabilidad de defectos claro que algunos superando el numero de defectos 5.












N. defectos, 5
LCS, 11.72
LC, 5
LSI, -1.7
-4
-2
0
2
4
6
8
10
12
14
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
.

GRAFICO CONTROL C
CURVA CACTERISTICAS DE OPERACIN
Se considero un plan de muestreo por N=1000 con una muestra de n=80 y c=4 donde tambin pes el porcentaje de botellas defectuosas

(p) (pr)
0% 100%
1% 99.90%
2% 97.60%
3% 90.40%
4% 78.10%
5% 62.90%
6% 47.60%
7% 34.20%
8% 23.50%
9% 14.60%
10% 10%
11% 6.20%
12% 3.80%
13% 2.30%
14% 1.30%
15% 0.80%




La probabilidad de aceptacin es cero para todos los lotes con porcentajes de

partes defectuosas a la derecha de la lnea. Desafortunadamente, el nico plan
que lograra est discriminacin es aquel que requiere una inspeccin del 100%.
Por lo tanto, la justificacin del muestreo para aceptacin resulta del balance entre
los costos de inspeccin y los posibles costos de aceptar partes defectuosas.









0%
20%
40%
60%
80%
100%
120%
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
Series1
DATOS INICIALES

TOMA DE MUESTRAS DE PESOS DE UN LOTE DE 60 CANASTAS DE
ENVASE
MAX 1000 KILOS, MAS O MENOS 100 EN PESO


CANASTAS PESO EN KILOS PESO EN KILOS PESO EN KILOS
1 750 900 1003
2 1000 895 915
3 900 1011 1140
4 890 900 1007
5 1040 1120 900
6 1010 905 1180
7 896 1065 903
8 915 1150 900
9 1000 1056 1125
10 800 900 1099
11 1005 1110 911
12 1099 1088 892
13 850 915 900
14 999 1200 1000
15 918 1043 1132
16 899 1000 1161
17 923 1170 933
18 1000 900 873
19 870 1061 900
20 900 1195 1050


FACTORES A CONTROLAR:

1. Peso de los envases de 1000 kilos ms o menos 100 kilos, perjudia la salud de los trabajadores, en el descargue.

2. Humedad relativa, de 20% ms o menos 5, genera hongos en las etiquetas almacenadas.

3. Peso de contaminante (gomas), de 1% del peso en botella ms o menos 0,5%, genera problemas de calidad en el producto final.

4. promedio de canastas con problema de peso = 15 a 20


Limite superior de control
LSCx = x + A2R
Limite inferior de control
LICx = x - A2R



DETEMINACION DE LOS LIMITES DE CONTROL POR ATRIBUTOS
ELABORACION DE GRAFICAS DE CONTROL POR ATRIBUTOS
TAMAO DE LA MUESTRA ES CONSTANTE

DISTRIBUCION BINOMIAL = P

P= NUMERO DE PIEZAS DEFECTUOSAS SOBRE NUMERO DE MUESTRAS OBSERVADAS

LSC = P + 3Sp LIMITE SUPERIOS DE CONTROL
LIC = P - 3Sp LIMITE INFERIOR DE CONTROL
CALCULOS PARA GRAFICO DE CONTROL "P"


DIAS DE
PRODUCCION
NUMERO DE BOTELLAS
CON DIFICULTADES
FRACCION DE FUERA DE
RANGO DIAS DE PRODUCCION
NUMERO DE
BOTELLAS CON
DIFICULTADES
FRACCION DE FUERA DE
RANGO
1 14 0,23 16 13 0,22
2 16 0,27 17 2 0,03
3 7 0,12 18 5 0,08
4 21 0,35 19 1 0,02
5 18 0,30 20 7 0,12
6 14 0,23 21 8 0,13
7 7 0,12 22 9 0,15
8 2 0,03 23 4 0,07
9 1 0,02 24 6 0,10
10 13 0,22 25 17 0,28
11 16 0,27 26 18 0,30
12 18 0,30 27 21 0,35
13 20 0,33 28 14 0,23
14 4 0,07 29 7 0,12
15 9 0,15 30 3 0,05

n= 60 Sumatoria de botellas con sobre peso= 315


Distribucin Binomial

P = 315/(30 x 60) = 0,175


Desviacin estndar muestral

Sp= Raz cuad.(0,175(1-0,175)/60) Raiz cuadrada de 0,00240625

Sp= 0,049


El clculo con tres desviaciones estndar es:

3Sp = 3 x Sp = (3 x 0,049) = 0,147159

LIMITE SUPERIOR DE CONTROL

LSC = P + 3Sp = (0,175 + 3 X 0,049 = 0,322159

LIMITE INFERIOR DE CONTROL

LIC = P - 3Sp = (0,175 - 3 X 0,049 = 0,027841


DIAS DE PRODUCCION
FRACCION DE FUERA DE
RANGO LSC LIC P
1 0,23 0,32 0,03 0,18
2 0,27 0,32 0,03 0,18
3 0,12 0,32 0,03 0,18
4 0,35 0,32 0,03 0,18
5 0,30 0,32 0,03 0,18
6 0,23 0,32 0,03 0,18
7 0,12 0,32 0,03 0,18
8 0,03 0,32 0,03 0,18
9 0,02 0,32 0,03 0,18
10 0,22 0,32 0,03 0,18
11 0,27 0,32 0,03 0,18
12 0,30 0,32 0,03 0,18
13 0,33 0,32 0,03 0,18
14 0,07 0,32 0,03 0,18
15 0,15 0,32 0,03 0,18
16 0,22 0,32 0,03 0,18
17 0,03 0,32 0,03 0,18
18 0,08 0,32 0,03 0,18
19 0,02 0,32 0,03 0,18
20 0,12 0,32 0,03 0,18
21 0,13 0,32 0,03 0,18
22 0,15 0,32 0,03 0,18
23 0,07 0,32 0,03 0,18
24 0,10 0,32 0,03 0,18
25 0,28 0,32 0,03 0,18
26 0,30 0,32 0,03 0,18
27 0,35 0,32 0,03 0,18
28 0,23 0,32 0,03 0,18
29 0,12 0,32 0,03 0,18
30 0,05 0,32 0,03 0,18
GRAFICA DE CONTROL "P" PARA MUESTRA DE TAMAO VARIABLE


Ejemplo si P= 0,175
Desviacion estndar muestral

Sp= Raiz cuad.(0,175(1-0,175)/n)

Sp= 0,379 / Raiz cuad.(n)


El calculo con tres desviaciones estndar es:


3Sp = 3 x Sp = (3 x 0,379 / Raiz cuadrada de n) =


3Sp = (1,139 / Raiz cuadrada de n)

Entonces aparece esta frmula como norma para n variables

0.00
0.05
0.10
0.15
0.20
0.25
0.30
0.35
0.40
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29
f
r
a
c
c
i
o
n
e
s

d
e
f
e
c
t
,

p
a
c
a
s

dias de produccion
Grafica de control P para examinar datos historicos
y establecer limites de control
FRACCION DE
FUERA DE RANGO
LSC
LIC
P
POR ATRIBUTOS


En el Primer semestre de 2013 se ha obtenido una muestra de 20 de tamao 100, para analizar punto crtico de calidad
para la transferencia de datos de un componente los resultados aparecen en la siguiente tabla.


No de Submuestra No defectuosos
Fraccin de
defectos P
LCI LSC
1 2 0,02 0 0,0585
2 3 0,03 0 0,0585
3 1 0,01 0 0,0585
4 2 0,02 0 0,0585
5 3 0,03 0 0,0585
6 2 0,02 0 0,0585
7 1 0,01 0 0,0585
8 0 0 0 0,0585
9 0 0 0 0,0585
10 2 0,02 0 0,0585
11 0 0 0 0,0585
12 2 0 0 0,0585
13 3 0,02 0 0,0585
14 4 0,03 0 0,0585
15 1 0,04 0 0,0585
16 2 0,01 0 0,0585
17 3 0,02 0 0,0585
18 2 0,03 0 0,0585

33

n=100

Distribucin Binomial p = 33/ 18 * 100


P=0.02
0
0.01
0.02
0.03
0.04
0.05
0.06
0.07
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
Fraccin de defectos P
LCI
LSC
COSTOS DE CALIDAD.

Dado que es una empresa con una gran produccin pero de igual forma con un
gran nmero de entradas los costos de calidad deben ser en donde el precio del
producto en general sea igual al beneficio marginal o sea el beneficio de producir
una unidad adicional por cada unidad y as poder disminuir la cantidad de
cervezas o productos con algn defecto, con la siguiente grafica se puede plantear
las decisiones a tomar.



Donde se observa que a medida que aumentan los costos de inspeccin los
productos defectuosos se van reduciendo directamente y donde el punto optimo
de costos a utilizar o costo total, es donde los costos por inspeccin se cortan o se
cruzan con los costos por defectuosos.





Donde se observa que a medida que aumentan los costos de inspeccin los
productos defectuosos se van reduciendo directamente y donde el punto optimo
de costos a utilizar o costo total, es donde los costos por inspeccin se cortan o se
cruzan con los costos por defectuosos.

Donde tambin se tiene que tener en cuenta las zonas para tomar decisiones por
ejemplo en la zona A los costos son debidos a los productos defectuosos donde
se puede realizar una mejora de la calidad, mientras que en la zona B o bien se ha
alcanzado el ptimo, o bien se est cerca del ptimo y el problema es de control
para mantener el ptimo; regularmente esta zona se caracteriza por el hecho de
que cerca de la mitad de los costos de calidad son debidos a productos
defectuosos, y por lo tanto en la zona C los costos son provocados por la
inspeccin y superan a los costos generados por los productos defectuosos, por lo
que hay que estudiar el costo de detectar defectos, en comparacin con el
perjuicio que se produce en caso de no ser detectados.


















CONCLUSIONES

Existen Diversos elementos y materiales para que cualquier organizacin
puede implantar un sistema de control adecuado el cual le ser
recompensado por la actual economa de competencia en la que se vive.

Se contextualizaron los elementos ofrecidos tericamente por el modulo y
se aplicaron a una organizacin en este caso una empresa cervecera en el
que control de calidad es fundamental.

Se pudo observar que como un buen sistema de control de calidad es
bueno para una empresa no es nada fcil poderlo adaptar y tomar las
decisiones correspondientes para contrarrestar defectos y diferentes
obstculos.

De igual forma si no se aplican debidamente los elementos o tems
propuestos con unas buenas muestras obtenidas de la poblacin a estudiar
se ver afectado el proceso y habr un tergiversacin de los datos.

Es de vital importancia dentro del grupo colaborativo antes de empezar a
realizar el trabajo tener claro que edicin de Excel se va a utilizar para
evitar inconvenientes.

En si Del desarrollo de los conceptos y ejemplos se puede observar el
enorme potencial que posee la utilizacin del Control Estadstico de la
calidad como instrumento y herramienta destinada a un mejor control, una
forma ms eficaz de tomar decisiones en cuanto a ajustes, un mtodo muy
eficiente de fijar metas y un excepcional medio de verificar el
comportamiento de los procesos.

















BIBLIOGRAFIA/REFERENCIAS

Modulo de Control de Calidad

http://www.slideshare.net/byrong/software-estadistico

http://www.slideshare.net/margarita03/estadistico-presentation

www.mt.com/industrial

http://www.youtube.com/watch?v=BCRknJ-o4FY&feature=related

www.bloginformatico.com/ software -de-aplicacion.php

http://www.youtube.com/watch?v=Gwp1mWj_RMc

http://www.youtube.com/watch?v=IHlE1DDwX9M&fe
ature=relad

http://www.youtube.com/watch?v=h3ZAxddZF_w&fea
ture=relad

http://www.youtube.com/watch?v=tO1_8zHaNFE&f
eature=relad

http://www.youtube.com/watch?v=Gwp1mWj_RMc

http://www.youtube.com/watch?v=i_XhgxaclOs&fea
ture=relatd
http://www.gestiondecalidadtotal.com/curva_caracte
ristica_deoperacion.html

http://navarrof.orgfree.com/Docencia/Calidad/UT3/
muestreo_por_variables.htm