19
1 © Ing. Lucas Kadener 2013 [email protected] Gestión, Control y Garantía de la Calidad en la Industria Alimentaria Mediciones y muestreo Ing. Lucas Kadener 5 de Julio de 2013 © Ing. Lucas Kadener 2013 [email protected] Proceso de producción de mermelada de frutilla © Ing. Lucas Kadener 2013 [email protected] Introducción © Ing. Lucas Kadener 2013 [email protected] Los resultados de un proceso varían cada vez que una actividad u operación se lleva a cabo, porque dos actividades u operaciones no son nunca exactamente iguales. Para construir la calidad en los productos, se deberá llevar la variación del proceso al mínimo. Las variaciones forman un patrón predecible. Variabilidad © Ing. Lucas Kadener 2013 [email protected] Variabilidad • La variabilidad está presente en todo proceso. • Las diferencias que ocasiona provocan la insatisfacción del cliente. • La variabilidad genera pérdidas y costos de retrabajo y scrap, tanto por exceso como por defecto. © Ing. Lucas Kadener 2013 [email protected] Variabilidad

Mediciones y muestreo

Embed Size (px)

DESCRIPTION

Gestión

Citation preview

Page 1: Mediciones y muestreo

1

© Ing. Lucas Kadener 2013 – [email protected]

Gestión, Control y Garantía de la

Calidad en la Industria Alimentaria

Mediciones y muestreo

Ing. Lucas Kadener

5 de Julio de 2013

© Ing. Lucas Kadener 2013 – [email protected]

Proceso de producción de mermelada de frutilla

© Ing. Lucas Kadener 2013 – [email protected]

Introducción

© Ing. Lucas Kadener 2013 – [email protected]

• Los resultados de un proceso varían cada vez que

una actividad u operación se lleva a cabo, porque dos

actividades u operaciones no son nunca exactamente

iguales.

• Para construir la calidad en los productos, se

deberá llevar la variación del proceso al mínimo.

• Las variaciones forman un patrón predecible.

Variabilidad

© Ing. Lucas Kadener 2013 – [email protected]

Variabilidad

• La variabilidad está presente en todo proceso.

• Las diferencias que ocasiona provocan la insatisfacción del cliente.

• La variabilidad genera pérdidas y costos de retrabajo y scrap, tanto por exceso como por defecto.

© Ing. Lucas Kadener 2013 – [email protected]

Variabilidad

Page 2: Mediciones y muestreo

2

© Ing. Lucas Kadener 2013 – [email protected]

Tipos de Causas de variación

* Causas comunes de Variación

* Causas especiales de Variación

Variabilidad

© Ing. Lucas Kadener 2013 – [email protected]

Causas comunes de Variación

• La influencia individual de las causas comunes en la Variación es pequeña, pero colectivamente es muy significativa.

Un proceso que sólo se encuentra afectado por causas comunes puede ser llevado a estable y

predecible.

Variabilidad

© Ing. Lucas Kadener 2013 – [email protected]

* Provienen de circunstancias especiales.

Los procesos donde se encuentran causas especiales o “asignables”, son inestables e impredecibles,

debido a que estas causas llevan al proceso a un estado fuera de

control.

Causas especiales de Variación

Variabilidad

© Ing. Lucas Kadener 2013 – [email protected]

Ejemplo : Tiempo de llegada al trabajo

CAUSA COMUN CAUSA ESPECIAL o

ASIGNABLE

• Inclemencias

normales del Clima

• Huracán / Tornado /

Tsunami

• Problemas de tráfico • Paro sorpresivo de

transporte

• Estado de la ruta

utilizada

• Accidente en la ruta

Variabilidad

© Ing. Lucas Kadener 2013 – [email protected]

Asignación del tipo de causa

Los problemas esporádicos están

relacionados con causas especiales

de variación.

En cambio, los problemas crónicos se

relacionan con causas comunes de

variación.

Variabilidad

© Ing. Lucas Kadener 2013 – [email protected]

tamaño

Controlado

(Causas asignables eliminadas)

Fuera de Control

(Causas asignables presentes)

CONTROL DE PROCESO

Page 3: Mediciones y muestreo

3

© Ing. Lucas Kadener 2013 – [email protected]

Proceso de producción de mermelada de frutilla

© Ing. Lucas Kadener 2013 – [email protected]

Elección de puntos de control

Condiciones para establecerlos

Proceso Mapeado.

© Ing. Lucas Kadener 2013 – [email protected]

Proceso de producción de mermelada de frutilla

© Ing. Lucas Kadener 2013 – [email protected]

Datos: Variables y Atributos

© Ing. Lucas Kadener 2013 – [email protected]

Datos Productos fuera de especificación.

Color fuera de especificación.

Velocidad de máquinas.

Productividad.

Tiempos perdidos.

Temperatura.

Presión.

Volumen.

Peso.

Etc.

© Ing. Lucas Kadener 2013 – [email protected]

Tipos de Datos

Datos por Variables: Son el resultado de mediciones

Temperatura.

Velocidad.

Peso.

Datos por atributo: Informan sobre la presencia de un atributo o característica

Factura bien o mal confeccionada.

Color fuera de especificación.

Envases sucios.

Page 4: Mediciones y muestreo

4

© Ing. Lucas Kadener 2013 – [email protected]

Tipos de Datos

Datos por Variables:

•Cuentan con una escala “objetiva”.

•Se requiere de un instrumento para medir.

•El instrumento debe ser trazable a un patrón.

•Se requiere de un procedimiento “estandarizado”.

•Es posible calcular un error producto de la medición y conocerlo.

© Ing. Lucas Kadener 2013 – [email protected]

Tipos de Datos Datos por Atributos

•Carece de escala o la misma es subjetiva.

•Generalmente no son trazables a patrones.

•Es posible que no requieran de un procedimiento específico de medición.

•No siempre permiten tener una idea de picos o excepciones.

•Generalmente no indican un “grado” de la característica medida.

PERO GENERALMENTE SON MÁS ECONÓMICOS

© Ing. Lucas Kadener 2013 – [email protected]

Conversión

¿Es posible convertir una variable en un atributo?

•Desventajas:

•Se pierde “sensibilidad”.

•Puede dar lugar a conclusiones erróneas.

•NO ES UN PROCESO REVERSIBLE

© Ing. Lucas Kadener 2013 – [email protected]

Conversión

¿Cómo se realiza?

1. Se selecciona el atributo que reemplaza la variable (por ejemplo, nivel).

2. Se define un valor de la variable que represente límite de especificación o bandas (semáforo).

3. Cada vez que se mida la variable, se la convierte a la escala del atributo.

© Ing. Lucas Kadener 2013 – [email protected]

Conversión

¿Cuándo realizarla?

• Cuando no es importante el valor exacto sino una aproximación o idea.

• Si resulta muy costoso medir (costo – beneficio).

• Si el personal no es calificado o apto.

© Ing. Lucas Kadener 2013 – [email protected]

¿Qué es CEP?

• CEP (Control Estadístico de Procesos):

ES UN MÉTODO QUE REDUCE COSTOS DE

PRODUCCIÓN Y BRINDA ADEMÁS UN MEJOR

CONTROL SOBRE LA CALIDAD.

• CEP puede ayudar a:

Mantener el control del proceso y realizar ajustes

antes de que se produzcan partes defectuosas.

Controlar la causa de los defectos.

Page 5: Mediciones y muestreo

5

© Ing. Lucas Kadener 2013 – [email protected]

PRODUCCIÓN

INSPECCIÓN

Producto

Método de Detección (Tradicional)

SCRAP O RETRABAJO

OK

¿Por qué CEP?

© Ing. Lucas Kadener 2013 – [email protected]

PRODUCCIÓN

INSPECCIÓN

Producto

Método de Prevención (CEP)

OK

Medición Selectiva:

• Herramientas

• Procesos

• Producto

Posible reducción o

eliminación

¿Por qué CEP?

© Ing. Lucas Kadener 2013 – [email protected]

GRAFICOS DE CONTROL

OBJETIVO

Detectar rápidamente la presencia de

causas asignables o corrimientos en el nivel

del proceso para poder investigar y tomar

acciones correctivas ANTES de llegar a

fabricar una cantidad significativa de

unidades fuera de especificación.

© Ing. Lucas Kadener 2013 – [email protected]

UCL

LCL

PROMEDIO

Datos por variable y datos por atributo

GRAFICOS DE CONTROL

© Ing. Lucas Kadener 2013 – [email protected]

GRAFICOS DE CONTROL COMPONENTES

PROMEDIO O MEDIA ( X )

Marca el promedio del proceso, esto es lo mismo que la tendencia central de un histograma. No significa que sea el valor que más se repita.

LIMITE SUPERIOR E INFERIOR DE CONTROL Son función de la variación del proceso debido a las fluctuaciones estables y regulares en el equipo y en el sistema

L = X k * s

“k” es la distancia en desvíos estándar de la línea central a los limites, se acostumbra tomar k = 3

© Ing. Lucas Kadener 2013 – [email protected]

s

2s

3s

s

2s

3s

μ ± 1 σ = 68.26% μ ± 2 σ = 95.44% μ ± 3 σ = 99.73%

GRAFICOS DE CONTROL

Page 6: Mediciones y muestreo

6

© Ing. Lucas Kadener 2013 – [email protected]

GRAFICOS DE CONTROL Límites de Control

•Representan la variabilidad del proceso si éste

sufre sólo CAUSAS COMUNES de variación.

•Es decir, representan la DISPERSIÓN del proceso.

•Se calculan de acuerdo a la HISTORIA del proceso.

•Si el proceso cambia (si cambia su media o su

varianza), los límites deberán acompañar este

cambio.

© Ing. Lucas Kadener 2013 – [email protected]

GRAFICOS DE CONTROL Proceso estable / en control

• Los puntos caen regularmente ente los

límites superior e inferior de control.

• El origen de las variaciones son las causas

comunes.

© Ing. Lucas Kadener 2013 – [email protected]

GRAFICOS DE CONTROL

Proceso estable / en control

Si un proceso es estable o está bajo control:

• Su comportamiento futuro es predecible.

• Es consistente a través del tiempo.

Consistente respecto del promedio y

también respecto de la dispersión.

© Ing. Lucas Kadener 2013 – [email protected]

GRAFICOS DE CONTROL Hay que prestar atención al gráfico si:

• Un punto cae por arriba del límite superior de control

• Un punto cae por debajo del límite inferior de control

© Ing. Lucas Kadener 2013 – [email protected]

GRAFICOS DE CONTROL Hay que prestar atención al gráfico si:

• Existe una sucesión de ocho o más puntos

consecutivos, ya sea todos por arriba o por debajo de la

línea promedio del proceso.

© Ing. Lucas Kadener 2013 – [email protected]

GRAFICOS DE CONTROL

Los datos fuera de los límites de control o

la violación a la regla de los ocho puntos,

implican que el proceso tiene más

variación de la esperada o que el proceso

se ha desviado.

Page 7: Mediciones y muestreo

7

© Ing. Lucas Kadener 2013 – [email protected]

GRAFICOS DE CONTROL

Hay que prestar atención al gráfico si:

• Se observan ciclos en el proceso:

•El gráfico presenta un mezclado:

PATRONES ADICIONALES

© Ing. Lucas Kadener 2013 – [email protected]

GRAFICOS DE CONTROL

Hay que prestar atención al gráfico si: • Se observa un cambio de nivel en el proceso:

• El gráfico presenta una tendencia ascendente o descendente

PATRONES ADICIONALES

© Ing. Lucas Kadener 2013 – [email protected]

GRAFICOS DE CONTROL

Hay que prestar atención al gráfico si:

• Se observa aproximación a la línea media:

PATRONES ADICIONALES

© Ing. Lucas Kadener 2013 – [email protected]

GRAFICOS DE CONTROL

Los gráficos de control informan cuando

tomar acción y cuando no tomarla.

© Ing. Lucas Kadener 2013 – [email protected]

GRAFICOS DE CONTROL

No debe tomarse acción en un punto que está en

control, a pesar de que se halle fuera de

especificaciones.

© Ing. Lucas Kadener 2013 – [email protected]

GRAFICOS DE CONTROL El gráfico siguiente muestra un proceso en

el que se perdió la oportunidad de realizar

un ajuste.

Page 8: Mediciones y muestreo

8

© Ing. Lucas Kadener 2013 – [email protected]

GRAFICOS DE CONTROL

Límites de prueba y revisados

•En las primeras mediciones, se deben suponer límites de control, los cuales se “prueban” en el siguiente período de mediciones.

•Si estos límites “funcionan”, se los deja hasta próximo aviso. Si no resultan buenos, se eliminan los puntos donde se encontraron causas asignables y se los recalcula.

© Ing. Lucas Kadener 2013 – [email protected]

Proceso de producción de mermelada de frutilla

© Ing. Lucas Kadener 2013 – [email protected]

Capacidad

© Ing. Lucas Kadener 2013 – [email protected]

tamaño

Controlado

(Causas asignables eliminadas)

Fuera de Control

(Causas asignables presentes)

CONTROL DE PROCESO

© Ing. Lucas Kadener 2013 – [email protected]

Controlado pero no apto (variación de excesivas causas comunes)

Controlado y Apto

(variación de Causas comunes reducidas)

Límite Superior

de Especificación USL

Límite Inferior de Especificación

LSL

APTITUD DEL PROCESO

© Ing. Lucas Kadener 2013 – [email protected]

CAPACIDAD DE PROCESOS

Capacidad

Definición:

•Relación entre la forma en que uno espera que opere y la forma en que está operando el proceso.

•Habilidad del proceso para cumplir con las especificaciones

Page 9: Mediciones y muestreo

9

© Ing. Lucas Kadener 2013 – [email protected]

Capacidad

Relación entre la variabilidad de un

proceso/producto y su especificación

Proceso Capaz: Genera una alta proporción de productos dentro de su especificación.

Proceso No Capaz: Genera una alta proporción de productos fuera de su especificación.

© Ing. Lucas Kadener 2013 – [email protected]

CAPACIDAD DE PROCESOS

Capacidad

Debemos siempre recordar que:

• NO HAY CAPACIDAD SIN CONTROL!!

© Ing. Lucas Kadener 2013 – [email protected]

PROCESO CAPAZ

LSL USL LSL USL

PROCESO NO CAPAZ

CAPACIDAD DE PROCESOS

Capacidad

© Ing. Lucas Kadener 2013 – [email protected]

CAPACIDAD DE PROCESOS

Índice de Capacidad CP

Condiciones para el cálculo

•El Proceso debe estar en control.

•Se deben conocer los límites de especificación del Proceso.

•Se supone una distribución tipo normal.

•La media del Proceso (Valor medio en el histograma) coincide con el valor medio de especificación.

© Ing. Lucas Kadener 2013 – [email protected]

CAPACIDAD DE PROCESOS

Índice de Capacidad

Si el índice de Capacidad (CP) resulta

•Menor a 1: el Proceso normalmente genera productos fuera de especificación.

•Igual a 1: Estamos en el límite.

•Mayor a 1: Normalmente, el Proceso genera productos en especificación.

© Ing. Lucas Kadener 2013 – [email protected]

CAPACIDAD DE PROCESOS

Índice de Capacidad

Page 10: Mediciones y muestreo

10

© Ing. Lucas Kadener 2013 – [email protected]

Límite inferior de

especificación

Límite superior de

especificación

Capacidad Proceso Capaz pero descentrado

© Ing. Lucas Kadener 2013 – [email protected]

Límite inferior de

especificación

Límite superior de

especificación

Capacidad Cambio en la media del proceso

© Ing. Lucas Kadener 2013 – [email protected]

CAPACIDAD DE PROCESOS

Procesos Capaces al límite

Límite inferior de

especificación

Límite superior de

especificación

Límite inferior de

especificación

Límite superior de

especificación

© Ing. Lucas Kadener 2013 – [email protected]

Proceso de producción de mermelada de frutilla

© Ing. Lucas Kadener 2013 – [email protected]

Elección de puntos de control

Condiciones para establecerlos

Proceso Mapeado.

© Ing. Lucas Kadener 2013 – [email protected]

Elección de puntos de control

Condiciones para establecerlos

Proceso Mapeado.

Page 11: Mediciones y muestreo

11

© Ing. Lucas Kadener 2013 – [email protected]

Elección de puntos de control

Condiciones para establecerlos

Puntos críticos (de cambio) estudiados y detectados.

© Ing. Lucas Kadener 2013 – [email protected]

Elección de puntos de control

Condiciones para establecerlos

Puntos críticos (de cambio) estudiados y detectados.

© Ing. Lucas Kadener 2013 – [email protected]

Elección de puntos de control

Condiciones para establecerlos

Variables o atributos a analizar:

1 – Características de la Materia prima.

7 – Temperatura.

11 - % de sólidos solubles (° Brix).

13 – Temperatura y presión del evaporador. % de sólidos

solubles (° Brix).

16 – Características organolépticas, pH, UFC.

19 – Características del Rotulado y otros atributos.

© Ing. Lucas Kadener 2013 – [email protected]

Elección de puntos de control

Consideraciones

El punto de control debe ser estable.

El punto de control debe estar accesible.

Debe ser posible realizar una acción correctiva que

impacte aguas abajo del punto de control.

No confundir control de un equipo (por ejemplo,

temperatura) con control del proceso.

La variable a medir debe ser representativa.

© Ing. Lucas Kadener 2013 – [email protected]

Reflexiones sobre el

muestreo

© Ing. Lucas Kadener 2013 – [email protected]

Características de una muestra:

1. Qué se mide/cuenta. 2. Cómo se mide/cuenta. 3. Dónde se mide/cuenta. 4. Cuándo se mide/cuenta.

Esta información proporciona un

CONTEXTO

MUESTREO

Page 12: Mediciones y muestreo

12

© Ing. Lucas Kadener 2013 – [email protected]

Características de una muestra:

• Una muestra es representativa (en su CONTEXTO) cuando puede:

1. Dar su origen (máquina, partida, turno, etc.).

2. Representar cualquier cambio significativo en el proceso.

MUESTREO

© Ing. Lucas Kadener 2013 – [email protected]

Cómo definir el tamaño muestral / subgrupos:

1. Qué representan los valores individuales? 2. Cómo se obtienen estos valores? Quién los

obtiene? Cada cuanto? Dónde? De qué manera? Con qué instrumentos o equipos?

3. Qué fuentes posibles de variación se presentan en esta información?

4. Cómo se organiza la información? Cuál es el origen de la variación de los subgrupos, tanto dentro como entre ellos?

5. Qué espero de los datos? Son las causas normales quienes determinan su variación?

MUESTREO

© Ing. Lucas Kadener 2013 – [email protected]

6 principios para realizar subgrupos:

1. Nunca agrupe información disímil.

2. Minimice la variación intra muestra.

3. Maximice la oportunidad de variación entre diferentes muestras.

4. Promedie el ruido y no las señales.

5. Trate el gráfico de acuerdo a los datos.

6. Establezca procedimientos para el muestreo.

MUESTREO

© Ing. Lucas Kadener 2013 – [email protected]

Proceso de producción de mermelada de frutilla

© Ing. Lucas Kadener 2013 – [email protected]

Muestreo para la Aceptación

© Ing. Lucas Kadener 2013 – [email protected]

Riesgos definidos al recepcionar productos

Riesgo del comprador: Aceptar lotes no conformes.

Riesgo del vendedor: Rechazar lotes aceptables

Page 13: Mediciones y muestreo

13

© Ing. Lucas Kadener 2013 – [email protected]

Muestreo simple – Instrucción de muestreo

Basa la decisión a tomar sobre el lote en el resultado

de una sola muestra

Instrucción de muestreo: ( n - c )

n : tamaño de muestra

c : número de aceptación

N : tamaño del lote

© Ing. Lucas Kadener 2013 – [email protected]

Ventajas del muestreo

Costos de inspección más bajos

Menor probabilidad de problemas por manipulación

de los productos

Posibilidad de utilizarse en ensayos destructivos

Los lotes están disponibles más rápidamente

Se necesita menos personal

El rechazo del lote actúa como señal de alerta

Riesgos cuantificables

© Ing. Lucas Kadener 2013 – [email protected]

Desventajas del muestreo

Riesgo de aceptar lotes “malos” y rechazar lotes

“buenos”

Menor información acerca del producto o del proceso de

fabricación

Requiere planificación, capacitación y documentación del

procedimiento de muestreo

© Ing. Lucas Kadener 2013 – [email protected]

Formación de lotes

Los lotes deben ser homogéneos

Lotes grandes son preferibles a los lotes

pequeños

La extracción se realiza al azar (criterios)

Flujo continuo de mercancía

© Ing. Lucas Kadener 2013 – [email protected]

Muestreo aleatorio

Las unidades seleccionadas para la inspección deben ser

elegidas en forma aleatoria (cada unidad en el lote

tiene igual oportunidad de formar parte de la

muestra), y deben ser representativas del lote

(espacialmente)

© Ing. Lucas Kadener 2013 – [email protected]

Curva Característica Operativa

Muestra como la probabilidad de aceptación de lotes

varía con la calidad del material sujeto de la inspección

Revela la potencia discriminatoria del plan de muestreo

P(aceptar)=f(%defectuosos)

Page 14: Mediciones y muestreo

14

© Ing. Lucas Kadener 2013 – [email protected]

0,0

0,1

0,2

0,3

0,4

0,5

0,6

0,7

0,8

0,9

1,0

0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09 0,10

Pro

babilidad d

e A

ceptació

n

( Pa )

Porcentaje de unidades no conformes en el lote (p)

Curva característica Operativa

Muestreo 50 - 1

© Ing. Lucas Kadener 2013 – [email protected]

Rechazar lotes “buenos”

Riesgo del Proveedor =

P (rechazar lotes “buenos”) = a

Riesgos en la recepción y despacho de

productos

Aceptar lotes “malos”

Riesgo del Consumidor =

P (aceptar lotes “malos”) = b

© Ing. Lucas Kadener 2013 – [email protected]

0,0

0,2

0,4

0,6

0,8

1,0

0,00 0,02 0,04 0,06 0,08

Pa

p

(n=50, c=1)

(n=100, c=2)

(n=200, c=4)

Curva característica Operativa

Efectos de n y c

© Ing. Lucas Kadener 2013 – [email protected]

0,0

0,2

0,4

0,6

0,8

1,0

0,00 0,02 0,04 0,06 0,08

(n=50, c=1)

(n=100, c=1)

(n=200, c=1)

Efecto de cambiar n en la curva

característica

© Ing. Lucas Kadener 2013 – [email protected]

0,0

0,2

0,4

0,6

0,8

1,0

0,00 0,02 0,04 0,06 0,08

Pa

p

(n=90, c=0)

(n=90, c=1)

(n=90, c=2)

Efecto de cambiar c en la curva

característica

© Ing. Lucas Kadener 2013 – [email protected]

Tipos de planes de Muestreo

Muestreo simple

Muestreo doble

Muestreo múltiple

Muestreo secuencial

Page 15: Mediciones y muestreo

15

© Ing. Lucas Kadener 2013 – [email protected]

Sistemas de muestreo IRAM 15 (MIL STD 105E)

El punto clave en el empleo de la norma es el nivel de

calidad aceptable AQL (Acceptable Quality Level)

AQL es el máximo porcentaje de unidades no-conformes

(defectuosas) que puede ser considerado satisfactorio

(“Promesa del Proveedor”)

© Ing. Lucas Kadener 2013 – [email protected]

IRAM 15 (MIL STD 105E)

Valores de AQL

Para planes de porcentaje de defectuosos los valores de

AQL van de 0,10% a 10%

Para planes de defectos por unidad, hay 10 valores de

AQL adicionales llegando hasta 1000 defectos por 100

unidades.

© Ing. Lucas Kadener 2013 – [email protected]

Sistemas de muestreo IRAM 15 (MIL STD 105E)

La norma provee tres tipos de planes de muestreo:

Muestreo simple

Muestreo doble

Muestreo múltiple

© Ing. Lucas Kadener 2013 – [email protected]

Sistemas de muestreo IRAM 15 (MIL STD 105E)

La norma ofrece niveles de inspección:

Generales: I, II, III

Especiales: S-1, S-2, S-3, S-4

Los niveles de inspección se corresponden con

los costos de la inspección

© Ing. Lucas Kadener 2013 – [email protected]

Sistemas de muestreo IRAM 15 (MIL STD 105E)

La norma ofrece diferentes grados de inspección:

Normal

Aumentado

Reducido

El grado de inspección a utilizar es

determinado por la historia de calidad de

los lotes (constancia)

© Ing. Lucas Kadener 2013 – [email protected]

Sistemas de muestreo

IRAM 15 (MIL STD 105E)

Tabla de letras características

Niveles de inspección

+

Tamaño de lote

Letra característica

Page 16: Mediciones y muestreo

16

© Ing. Lucas Kadener 2013 – [email protected]

Tabla de planes de muestreo

AQL

+

Letra característica

Plan de muestreo:

( n – c )

Sistemas de muestreo IRAM 15 (MIL STD 105E)

© Ing. Lucas Kadener 2013 – [email protected]

Procedimiento para el uso de la norma IRAM 15 (MIL STD 105E)

elegir el AQL

elegir el nivel de inspección

determinar el tamaño de lote

determinar la letra característica apropiada

determinar el tipo de plan de muestreo

determinar el grado de inspección

determinar el plan de muestreo (n – c)

© Ing. Lucas Kadener 2013 – [email protected]

Norma IRAM 15 (MIL STD 105E) Tabla de letras y lotes

(Muestreo simple)

© Ing. Lucas Kadener 2013 – [email protected]

Norma IRAM 15 (MIL STD 105E) Tabla de muestreo simple

Inspección normal

© Ing. Lucas Kadener 2013 – [email protected]

Norma IRAM 15 (MIL STD 105E) Tabla de muestreo simple

Inspección reducida

© Ing. Lucas Kadener 2013 – [email protected]

Norma IRAM 15 (MIL STD 105E) Tabla de muestreo simple

Inspección rigurosa

Page 17: Mediciones y muestreo

17

© Ing. Lucas Kadener 2013 – [email protected]

Errores en las mediciones

© Ing. Lucas Kadener 2013 – [email protected]

Errores en las mediciones

Características

Existen porque SE MIDE

Contribuyen a la variación del proceso

Influyen en forma adversa sobre el proceso

(variabilidad)

© Ing. Lucas Kadener 2013 – [email protected]

Errores en las mediciones

Componentes del proceso de

medición Personas

Diferencias de Percepción

Diferencias de Interpretación

Método

Cambio de método hace variar los resultados

Debe estar documentado

Equipo

Selección / Diseño adecuado para la tarea

Estable / Confiable

Suele ser considerado como única fuente de error (!!)

© Ing. Lucas Kadener 2013 – [email protected]

Errores en las mediciones

Componentes del proceso de

medición

Ambiente

Ambiente físico

Ambiente laboral / gerencial

Referencia

Misma referencia para todos los equipos (similares)

© Ing. Lucas Kadener 2013 – [email protected]

Errores en las mediciones

Desmitificando términos

Valor Verdadero

Valor “teóricamente correcto” de la variable que se

esta midiendo.

Se estima a través del proceso de medición.

Calibración

Acto de aplicar un valor conocido de entrada a un

sistema de medición con el propósito de observar la

salida del mismo.

Discriminación

Es la mínima graduación en la escala de un

instrumento.

© Ing. Lucas Kadener 2013 – [email protected]

Errores en las mediciones

Desmitificando términos

Precisión

Cualidad de un dispositivo de medición de proveer

valores repetitivos al medir una misma característica

de un mismo producto.

Grado en que concuerdan las medidas tomadas sobre

un mismo producto.

Factores: Repetitividad y Reproducibilidad

Page 18: Mediciones y muestreo

18

© Ing. Lucas Kadener 2013 – [email protected]

Errores en las mediciones

Desmitificando términos

Repetitividad

Variabilidad entre varias mediciones:

Realizadas sobre un mismo producto

Con un mismo instrumento

Por el mismo operador

En un período de tiempo corto

RESPETANDO IDENTICAS CONDICIONES DE

MEDICION!!!

© Ing. Lucas Kadener 2013 – [email protected]

Errores en las mediciones

Desmitificando términos

Reproducibilidad

Variabilidad entre varias mediciones:

Realizadas por distintos operadores

O con distintos instrumentos

O con distintos métodos

© Ing. Lucas Kadener 2013 – [email protected]

Errores en las mediciones

Desmitificando términos Exactitud (Accuracy)

Grado en que la media de un conjunto de mediciones

repetitivas realizadas sobre una misma unidad o producto

difiere del valor verdadero de la dimensión medida.

© Ing. Lucas Kadener 2013 – [email protected]

Errores en las mediciones

Desmitificando términos

Preciso y exacto!!

© Ing. Lucas Kadener 2013 – [email protected]

Errores en las mediciones

Unidades de referencia SI

Metro (longitud)

Es la distancia que viaja la luz en el vacío durante

1/299792458 de segundo.

Kilogramo (masa)

Es la cantidad de masa de la unidad internacional de masa.

Segundo (tiempo)

Es la duración de 9 192 631 770 períodos de la radiación

emitida a 0 grados Kelvin por átomos de Cesio 133 al

transicionar entre dos estados próximos.

© Ing. Lucas Kadener 2013 – [email protected]

Errores en las mediciones

Unidades de referencia SI

Amper (Corriente Eléctrica)

Es aquella corriente constante que, al circular por dos

conductores rectos paralelos de longitud infinita y de

sección despreciable, a 1 metro de distancia entre si,

produce una fuerza de 2 x 10-7 Newton por metro de

longitud.

Kelvin (Temperatura)

Es la unidad de temperatura correspondiente a 1/273,16

de la temperatura del punto triple del agua.

Page 19: Mediciones y muestreo

19

© Ing. Lucas Kadener 2013 – [email protected]

MUCHAS GRACIAS POR

SU ATENCIÓN!!