Professional Documents
Culture Documents
Cat - Dossier Tema 6 El Control de Qualitat
Cat - Dossier Tema 6 El Control de Qualitat
Cat - Dossier Tema 6 El Control de Qualitat
Tema 6
El Control de Qualitat
Departament d’Empresa
Planificación Agregada
Índex
1. El control de qualitat
2. Les 7 eines bàsiques d’Ishikawa
Diagrama de Pareto / Diagrama causa-efecte / Plantilles de
recollida de dades / Histograma / Diagrama bivariant / Gràfics de
control / Estratificació
3. Control Estadístic del procés
4. Anàlisi de la capacitat d’un procés
5. Mostreig d’Acceptació
6. Mostreig simple per atributs
7. Pla de Mostreig Simple. Corba característica
8. Bibliografia
El Control de Qualitat 2
1
1. El Control de Qualitat
El Control de Qualitat 3
El Control de Qualitat 4
2
2.1. Diagrama de Pareto
El Control de Qualitat 5
El Control de Qualitat 6
3
2.1. Diagrama de Pareto. Exemple
300 100,00
Quantitat de prod.
250 80,00
% acumulat
200
60,00
defect.
150
40,00
100
50 20,00
0 0,00
superficial
Ajust
Ruptures
Altres
Tensió
Taques
Ratllat
braç
Causes
El Control de Qualitat 7
El Control de Qualitat 8
4
2.2. Diagrama Causa-Efecte
Màquines Mà d’obra
Efecte
Mètodes Materials
El Control de Qualitat 9
Comentari final: les causes identificades i classificades en aquests diagrames són potencials.
És a dir, aquests gràfics han de ser el punt de partida per a la verificació i confirmació de les
veritables causes que ocasionen l’efecte i de la seva posterior eliminació.
El Control de Qualitat 10
5
2.3. Plantilles de recollida de dades
El Control de Qualitat 11
Plantilla d’inspecció
Tipus Total
El Control de Qualitat 12
6
2.3.2. Fulls d’ubicació de defectes
El Control de Qualitat 13
Plantilla d’inspecció
Codi del Producte: Data:
Procés: Mesurador:
Lot: Observacions:
Freqüències
Dimensió 5 10 15 20 25 30 35 40 45 Total
300-309
310-319 II 2
320-329 IIII II 7
330-339 IIII IIII IIII IIII I 21
340-349 IIII IIII IIII II 17
350-359 IIII IIII IIII IIII III 23
360-369 IIII IIII IIII IIII IIII IIII IIII III 38
370-379 IIII IIII IIII IIII IIII IIII IIII 34
380-389 IIII IIII IIII IIII IIII IIII I 31
390-399 IIII IIII IIII IIII 17
400-410 IIII III 8
420-429 III 3
430-439 I 1
Serveixen per a la recollida de dades de variables contínues com el pes, el diàmetre, el volum,
etc. A partir d’aquestes es pot construir un histograma per estudiar la distribució de les
característiques del procés, calcular la mida i la dispersió.
El Control de Qualitat 14
7
2.4. Histograma
Exemple:
Es disposen de 100 mesuraments del diàmetre d’una peça
cilíndrica. Convé disposar d’un nombre n (entre 50 i 100) de
dades sobre la característica que es vol estudiar.
En primer lloc, s’han de dividir les dades aproximadament en
10 grups, tal i com apareixen a la taula (pàgina següent). Les
dues últimes columnes presenten els valors màxims i mínims
de cada fila de dades.
El Control de Qualitat 15
El Control de Qualitat 16
8
2.4. Histograma. Exemple
El Control de Qualitat 17
El Control de Qualitat 18
9
2.4. Histograma. Exemple
40
Cada barra
35 és una
Límit especificació
30 inferior
Límit especificació classe.
superior
L’ample de
Freqüències
25
la barra és
20 l’interval de
15 la classe. El
10 valor central
és el valor
5 mitjà.
0
7,15 7,21 7,26 7,31 7,36 7,41 7,46 7,51 7,56 7,61 7,70
Cas 1 Cas 2
El Control de Qualitat 20
10
2.4. Histogrames. Altres casos
Cas 3 Cas 4
El Control de Qualitat 21
Cas 5 Cas 6
El Control de Qualitat 22
11
2.4. Histogrames. Funcions
El Control de Qualitat 23
El Control de Qualitat 24
12
2.5. Diagrama bivariant. Exemple
Núm. X Y Núm. X Y
1 60,8 25,0 26 61,5 25,1
2 61,2 26,0 27 64,0 29,3
3 60,3 24,8 28 63,1 29,1
4 62,5 27,3 29 63,5 28,5
5 61,3 27,8 30 64,8 29,9
6 60,8 25,9 31 62,0 27,5
La variable X
7 63,0 27,4 32 62,9 26,1 és una
8 61,5 26,8 33 62,5 26,0
9 63,4 29,5 34 64,0 28,0 possible
10 64,1 29,8 35 62,8 27,9 causa i la Y
11 63,2 26,9 36 63,5 29,9
12 61,9 28,3 37 64,3 29,5 és la
13 61,7 27,4 38 62,6 26,8 característica
14 62,6 28,6 39 62,2 25,8
15 63,9 27,3 40 63,1 28,5 de qualitat
16
17
61,8
61,8
26,7
26,0
41
42
62,8
62,4
27,3
28,4
que es
18 60,5 25,3 43 63,5 27,6 sospita
19
20
60,9
63,8
27,5
29,4
44
45
63,7
62,2
28,5
27,0
relacionada
21 64,5 30,6 46 62,0 26,8 (efecte)
22 65,0 30,4 47 61,9 25,1
23 62,8 29,3 48 63,4 28,2
24 63,8 30,1 49 61,0 25,0
25 60,9 26,6 50 64,3 28,0
El Control de Qualitat 25
31,0
30,0
Característica de qualitat
29,0
28,0
27,0
26,0
25,0
24,0
60,0 61,0 62,0 63,0 64,0 65,0 66,0
Causa
El Control de Qualitat 26
13
2.5. Diagrama bivariant
SXY n n
( ∑ X)
i=1
i
2
r= ; SXX = ∑ (X − X) = ∑
i
2
Xi2 −
SXX.SYY i=1 i=1 n
n n n
n n
( ∑ Y)
i=1
i
2
n n
( ∑ X ).(∑ Y )
i=1
i
i=1
i
El Control de Qualitat 27
2.6. Estratificació
El Control de Qualitat 28
14
2.6. Estratificació. Exemple
Diagrama bivariant
700
600
500
Variable y
400
300
200
100
0
10,0 10,1 10,2 10,3 10,4 10,5 10,6 10,7 10,8 10,9 11,0
Variable x
El Control de Qualitat 29
Causes aleatòries:
No es poden controlar ja que, com el seu nom indica, es
produeixen a l’atzar.
Afecten a tots els processos de producció i s’han de
preveure sempre.
El Control de Qualitat 30
15
3.1. Causes aleatòries i assignables
Causes assignables:
Poden ser estudiades, la qual cosa és interessant ja que són les
que més contribueixen a la variació d’un procés.
Normalment es deuen a la fatiga o a la diferent experiència dels
treballadors, al desgast de les màquines, al diferent
comportament dels materials, etc., de manera que és impossible
obtenir dos productes idèntics.
El mateix passa en les empreses de serveis: un cuiner no podrà
obtenir dos plats exactament iguals o un professor no pot
impartir exactament dues classes idèntiques, ...
El Control de Qualitat 31
Per exemple:
∅ 10 ± 0,05 mm
El Control de Qualitat 32
16
4.1. Gràfics de control
El Control de Qualitat 33
Variació anormal
deguda a causes
LCS assignables
Variació normal
VC deguda a causes
aleatòries
Tipus:
Gràfics de control per variables
Gràfics de control per atributs
El Control de Qualitat 34
17
4.1.1. Gràfics de control per variables
El Control de Qualitat 35
unitats. 3
4
13
15
15
15
15
14
11
15
12
18
13,2
15,4
4
4
5 14 13 16 14 14 14,2 3
6 16 15 15 15 16 15,4 1
7 15 14 15 16 15 15,0 2
8 15 14 15 15 16 15,0 2
9 14 16 14 14 13 14,2 3
10 14 18 14 14 13 14,6 5
11 12 13 12 12 15 12,8 3
12 15 15 12 15 11 13,6 4
13 15 18 15 14 14 15,2 4
14 16 15 15 13 15 14,8 3
15 13 16 16 15 16 15,2 3
16 18 17 15 13 14 15,4 5
17 14 12 14 14 17 14,2 5
18 15 13 14 14 15 14,2 2
19 16 14 14 12 15 14,2 4
20 14 16 18 14 19 16,2 5
21 14 18 13 13 18 15,2 5
22 13 19 15 14 14 15,0 6
23 13 14 15 14 18 14,8 5
24 14 12 11 16 12 13,0 5
25 17 14 15 13 17 15,2 4
TOTALS 14,56 3,72
El Control de Qualitat 36
18
4.1.1. G.C. per variables. Exemple
X= =
n n
X1 + X2 + ... + Xk
∑X
i=1
i
R1 + R2 + ... + Rk
∑R
i =1
i
X= = ; R= =
k k k k
Per l’exemple:
14,0 + 14,0 + 13,2 + ... + 14,8 + 13,0 + 15,2 2 + 4 + 4 + ... + 5 + 5 + 4
X= = 14,56 ; R= = 3,72
25 25
El Control de Qualitat 37
Gràfic x
Valor central : VC = X = 14,56 Els paràmetres A2,
D3 i D4 prenen els
Límit de control superior : següents valors en
funció de la mida de
LCS = X + A2.R = 14,56 + 0,577 * 3,72 = 16,70644
la mostra n:
Límit de control inferior :
LCI = X − A2.R = 14,56 − 0,577 * 3,72 = 12,414 n A2 D3 D4
2 1,880 0,000 3,267
3 1,023 0,000 2,575
Gràfic R : 4 0,729 0,000 2,282
5 0,577 0,000 2,115
Valor central : VC = R = 3,72 6 0,483 0,000 2,004
Límit de control superior : 7 0,419 0,076 1,924
8 0,373 0,136 1,864
LCS = D 4.R = 2,115 * 3,72 = 7,868 9 0,337 0,184 1,816
Límit de control inferior : 10 0,308 0,223 1,777
El Control de Qualitat 38
19
4.1.1. G.C. per variables. Exemple
Gràfic X
18,0
Valors mitjans
Gràfic R
10
Valors mitjans
8 LCS = 7,89
6
4 VC = 3,72
2
0 LCI = 0
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
Mostres
El Control de Qualitat 39
En aquest cas, dels gràfics tant de les mitjanes com dels rangs,
observem que el procés està sota control, ja que:
Tots els punts dels gràfics estan dins dels límits de control.
Els punts no s’agrupen d’una forma particular.
El Control de Qualitat 40
20
4.1.2. Gràfics de control per atributs
El Control de Qualitat 41
Tipus de la mostra
Tipus de control Constant Variable
Número de peces defectuoses Gràfic np Gràfic p
Número de defectes Gràfic c Gràfic u
El Control de Qualitat 42
21
5. Mostreig d’acceptació
El Control de Qualitat 43
El Control de Qualitat 44
22
6.1. Mostreig simple per atributs. Exemple
Suposem que volem acceptar tots els lots que no superen el 2,5%
de defectuosos i rebutjar la resta.
Disposem d’un lot de 1.000 peces de les quals el 4% són realment
defectuoses.
En el procés d’inspecció, s’ha pres una mostra de 20 peces i cap
d’elles és defectuosa i conseqüentment el lot s’accepta.
En aquest cas, el pla de mostreig porta a un resultat erroni. La
mostra de 20 peces podria haver contingut, per les lleis de l’atzar,
una, dues, tres, … peces defectuoses.
Aquest fet és fonamental pels plans de mostreig, ja que poden
rebutjar-se lots bons o poden acceptar-se lots dolents.
El Control de Qualitat 45
1
0,05 = Risc del productor per al NAC Cada pla de mostreig té
Probabilitat d'aceptación Pa(w)
El Control de Qualitat 46
23
7. Corba característica. Conceptes
El Control de Qualitat 47
El Control de Qualitat 48
24
7. Pla de Mostreig. Consideracions
El Control de Qualitat 49
25
8. Bibliografia:
El Control de Qualitat 51
26