Resumenes 
Flashcards 
StudySmarter AI 
Apuntes 
Plan de estudios 
Sets de estudio 
Repeticion espaciada 
Exámenes 
Magazine 
Hacer carrera 
Formacion Profesional 
Mobile App 
Saltar a un capítulo clave
Comprender el gráfico de control en las matemáticas de ingeniería
El gráfico de control es un instrumento vital de las matemáticas de ingeniería para gestionar la variabilidad de los procesos. El análisis de esta variabilidad ayuda a tomar decisiones informadas sobre los factores que influyen en el resultado de un proceso de ingeniería.
Significado del gráfico de control y sus propiedades esenciales
Un gráfico de control, también conocido como gráfico de Shewhart o gráfico de comportamiento del proceso, es una herramienta gráfica utilizada en los procesos de control de calidad para determinar si un proceso de fabricación o empresarial se encuentra en un estado de control estadístico.
A modo de ilustración, imagina una planta de fabricación de automóviles, donde se miden los diámetros de un componente específico del motor (digamos una válvula). Si cada válvula se desvía de un tamaño estándar, esto podría provocar una variación no deseada del proceso y afectar al funcionamiento del coche. Aplicando el análisis de gráficos de control, se pueden supervisar estas variaciones y tomar medidas para minimizar su aparición. Así se evitan repeticiones y costes adicionales.
Profundizar en el significado de gráfico de control
Para profundizar en el concepto, los gráficos de control se basan en principios estadísticos. Son una mezcla perfecta de trazado de series temporales con límites estadísticos. Un gráfico de control suele tener tres componentes:
- Línea central (CL): Generalmente representa la media o mediana de los datos que estás trazando.
- Límite superior de control (LCS): Esta línea, calculada a partir de los datos, representa el punto más alto que esperarías que alcanzara un punto de datos suponiendo una variación por causa común.
- Límite de control inferior (LCI): Similar al UCL, el LCL representa el punto más bajo esperado de variación de causa común.
Cuando se utiliza en la supervisión de procesos, el gráfico de control visualiza cómo se altera el proceso con el tiempo. Los puntos de datos fuera de los límites de control indican "fuera de control" y son prueba de la existencia de causas especiales. El objetivo principal de un gráfico de control es distinguir la variación por causas comunes de la variación por causas especiales. Alcanzar este objetivo mejora enormemente la coherencia del proceso.
Propiedades clave de los gráficos de control
Los gráficos de control tienen propiedades inherentes específicas que son vitales para su correcto funcionamiento. Estas propiedades incluyen la Estabilidad, la Predictibilidad y la Regla de los Siete. Aquí se definen y explican:
Estabilidad: Esta propiedad revela si los puntos de datos son coherentes a lo largo del tiempo. Si los puntos de datos están dispersos sin un patrón discernible, entonces el proceso se describe como estable.
Previsibilidad: Si un proceso es estable (es decir, los puntos están dentro de los límites de control y presentan un patrón aleatorio), entonces se puede predecir el rendimiento futuro dentro de ciertos límites.
Por ejemplo, considera un proceso de fabricación de auriculares. Utilizando un gráfico de control, si se registran siete puntos de datos consecutivos a un lado de la línea media (línea central), esto puede indicar una posible desviación en el proceso -quizá un problema de calibración de la maquinaria- que puede requerir atención inmediata para evitar que se fabriquen piezas defectuosas.
Aplicaciones prácticas del gráfico de control
Los gráficos de control desempeñan un papel fundamental en la identificación y el control de la variabilidad del proceso, mejorando su previsibilidad y fiabilidad. Se utilizan de forma destacada en diversos sectores, como la fabricación, la ingeniería, la informática, la sanidad y la logística, entre otros, lo que revela su amplio espectro de aplicaciones.
Análisis de las aplicaciones de los gráficos de control en ingeniería matemática
Las matemáticas de la ingeniería se ocupan principalmente de desarrollar métodos matemáticos y aplicarlos directamente para resolver problemas de ingeniería. En este ámbito, los gráficos de control se implementan como potentes herramientas para supervisar y controlar la variabilidad de un proceso de ingeniería.
- En la Ingeniería de Producción, los gráficos de control ayudan a mantener la calidad de los productos controlando las desviaciones de las variables críticas respecto a sus valores deseados. Por ejemplo, en la producción de un motor de automóvil, donde la precisión de cada componente es crucial, un gráfico de control ayuda a mantener la coherencia y reducir los defectos.
- En la Ingeniería del Software, los gráficos de control encuentran su lugar en la supervisión de los procesos de desarrollo de software, como el número de errores detectados a lo largo del tiempo o el tiempo de respuesta de un sistema de software, de modo que cualquier desviación pueda corregirse con prontitud.
- EnIngeniería Química, otra área importante en la que se aplican los gráficos de control es en la supervisión de las concentraciones químicas en un proceso de reacción para comprobar su estabilidad y capacidad.
- Los gráficos de control también tienen importantes aplicaciones en la Ingeniería Civil, especialmente en el control de calidad de la construcción de carreteras, puentes y edificios.
Para crear un gráfico de control, determina primero la media o promedio del conjunto de datos. Denotémosla como
\[ \mu = \frac{1}{n} \sum_{i=1}^n x_i \]A continuación, calcula la desviación típica (\(\sigma\)) de los valores del conjunto. Para ello, puedes utilizar la fórmula
\[ \sigma = \sqrt{\frac{1}{n} \suma_{i=1}^n (x_i - \mu)^2} ]Muchas aplicaciones de software estadístico pueden generar gráficos de control. A continuación se muestra un ejemplo de código python para crear un gráfico de control:
import numpy as np import matplotlib.pyplot as plt from matplotlib import style style.use('ggplot') data = np.random.normal(0.01, 0.02, 100) cumulative_data = np.cumsum(datos) plt.plot(datos_acumulativos, anchura=1.5) plt.plot([0, len(datos_acumulativos)], [np.mean(datos_acumulativos), np.mean(datos_acumulativos)], color='r', label='Media') plt.fill_between(range(len(datos_acumulativos)), [np.media(datos_acumulativos) + np.std(datos_acumulativos)] * len(datos_acumulativos), [np.media(datos_acumulativos) - np.std(datos_acumulativos)] * len(datos_acumulativos), color = 'b', alfa = 0,15, label='1 desviación std') plt.legend(loc='superior izquierda') plt.show()
Ejemplos de casos prácticos de aplicaciones de gráficos de control
Los casos prácticos son el mejor ejemplo de la aplicación práctica de los gráficos de control en ingeniería.
Caso práctico 1: Una famosa empresa de fabricación de automóviles tenía problemas con la variabilidad de las dimensiones de una pieza crítica. Para solucionarlo, implantaron un gráfico de control para supervisar las dimensiones de estos componentes. De este modo, pudieron detectar rápidamente las variaciones por causas especiales y descubrieron que el problema principal procedía de una máquina concreta. Tras realizar los ajustes necesarios, observaron una reducción sustancial de las piezas defectuosas y, por tanto, un aumento significativo de los beneficios.
Caso práctico 2: En el campo de la ingeniería civil, una empresa constructora utilizó gráficos de control para mantener la resistencia de la mezcla de hormigón, garantizando que las estructuras construidas mantuvieran su integridad estructural. Supervisando muestras de hormigón con gráficos de control, podían identificar rápidamente las desviaciones de la mezcla de hormigón estándar y hacer correcciones en tiempo real. Así se conseguían estructuras de mayor calidad y se reducían los costes de reconstrucción o reparación.
Estos escenarios ilustran el poder de los gráficos de control para mantener la calidad y reducir los costes, afirmando su importancia en las matemáticas de la ingeniería.
Aspectos fundamentales de los gráficos de control en la gestión de procesos
En la gestión de procesos, los gráficos de control son una valiosa herramienta estadística. Ayudan a identificar si un proceso se encuentra en un estado de control estadístico y a señalar los cambios repentinos en el rendimiento del proceso. En esencia, los gráficos de control se utilizan para supervisar la calidad de los productos o servicios. Hay dos categorías principales de gráficos de control: gráficos para la localización del proceso y gráficos para la variación del proceso. Cada uno sirve a un propósito específico en la gestión de procesos, y su comprensión puede dar lugar a mejoras operativas sustanciales.
Gráficos de control para la localización de procesos: Un examen minucioso
El objetivo principal de los gráficos de control para la localización de procesos es detectar cambios en el nivel del proceso. En otras palabras, se centran más en evaluar la tendencia central de un proceso. Estos gráficos son eficaces para captar cambios repentinos y significativos en la media del proceso, utilizando la línea central y los límites de control. La línea central representa la media, mientras que los límites de control se derivan de los datos del proceso.
El gráfico de control más utilizado para la localización del proceso es el gráfico de barras X, donde "barra X" significa la media. Estos gráficos se utilizan cuando los datos pueden recogerse en subgrupos, y la media de cada subgrupo se calcula y se representa en el gráfico. Este gráfico puede identificar rápidamente los cambios en la media del proceso, ayudando a revelar cualquier causa de variación especial.
Este gráfico de control (el gráfico de barras X) utiliza las siguientes fórmulas. La media del proceso se expresa como
\[ \mu = \frac{1}{n}{suma_{i=1}^{n} x_i \]Donde \( \mu \) representa la media, \( n \) es el número de puntos de datos, y \( x_i \) representa cada punto de datos individual.
Los límites de control de este gráfico se calculan utilizando la desviación típica (\( \sigma \)) y la media de los rangos de la muestra (barra R) con las fórmulas
\[ UCL = \mu + A_2 \veces \bar{R} \] \[ LCL = \mu - A_2 \veces \bar{R} \]Donde \( UCL \) y \( LCL \) son los límites de control superior e inferior, \( A_2 \) es una constante basada en el tamaño de la muestra, y \( \bar{R} \) es el rango medio.
Ejemplos prácticos de gráficos de control para la localización de procesos
Una empresa de llenado de botellas puede utilizar un gráfico de control de barras X para controlar su proceso de llenado de cerveza. Si todas las mediciones están dentro de los límites de control y siguen un patrón aleatorio, indica que el proceso de llenado de cerveza es estable y predecible. Cualquier desviación importante detectada por el gráfico de control indicaría la necesidad de investigar las posibles causas, como un ajuste incorrecto del equipo de llenado o una presión incoherente. La empresa puede entonces tomar medidas correctivas con la suficiente antelación para evitar grandes volúmenes de botellas de cerveza llenadas en exceso o en defecto.
Comprender los gráficos de control de la variación del proceso
Mientras que los gráficos de control para la localización del proceso se centran en los cambios de la media del proceso, los gráficos de control para la variación del proceso están diseñados para detectar cambios en la variabilidad o dispersión del proceso. El tipo más común de gráfico de control utilizado para la variación del proceso es el Gráfico de Rangos (R). Al igual que el gráfico de barras X, el gráfico R es más eficaz cuando los datos pueden agruparse en subgrupos. El rango (R) de cada subgrupo se utiliza para construir este gráfico de control.
Las fórmulas utilizadas para crear un gráfico R incluyen el rango medio (\( \bar{R} \)):
\[ \bar{R} = \frac{1}{n}\suma_{i=1}^{n} R_i \].Y los límites de control (el Límite de Control Superior o UCL, y el Límite de Control Inferior o LCL) que se calculan con:
\[ UCL = D_4 \times \bar{R} \] \[ LCL = D_3 \times \bar{R} \]Donde \( D_3 \) y \( D_4 \) son constantes basadas en el tamaño de la muestra del subgrupo.
Estudio detallado de los gráficos de control de la variación del proceso
Profundicemos en un ejemplo práctico. Imagina una empresa de procesamiento de alimentos que fabrica patatas fritas. Para la empresa es crucial mantener un grosor constante de las patatas fritas para garantizar tiempos de cocción iguales y un sabor uniforme. El equipo de fabricación utiliza un Gráfico de Rangos para controlar la variación del grosor de las patatas fritas. Cuando el Gráfico de Rangos señala una señal fuera de control, que indica un aumento de la variación, el equipo sabe que debe investigar las causas, como el desgaste de las cuchillas de la máquina cortadora. Esto les permite tomar medidas correctivas rápidamente, garantizando un producto de alta calidad constante.
El uso de gráficos de control de atributos
El campo del control de calidad va mucho más allá de las meras mediciones, y a menudo requiere la evaluación de atributos cualitativos como pasa/no pasa, pasa/no pasa, o defectuoso/no defectuoso. En tales casos, entran en juego los Gráficos de Control por Atributos. Proporcionan un enfoque estadístico para controlar las características de un proceso, ayudando a los profesionales a tomar decisiones informadas.
Un estudio en profundidad sobre los gráficos de control por atributos
Los gráficos de control por atributos se utilizan para analizar datos discretos y contados. Por ejemplo, se ocupan del número de defectos o no conformidades de un proceso o de un número de unidades no conformes. Existen dos tipos principales de gráficos de control de atributos:
- Gráfico p: Controla la proporción o tasa de elementos defectuosos de un conjunto
- Gráfico np: Controla el número de artículos defectuosos en un grupo
En un Gráfico p, el cálculo de los límites de control requiere la proporción de defectuosos (\(p\)) y el tamaño de la muestra (\(n\)). Los límites de control pueden determinarse mediante
\[ UCL = p + 3 \sqrt{\frac{p(1-p)}{n}} \] \[ LCL = p - 3 \sqrt{\frac{p(1-p)}{n}} \].Donde \(UCL\) y \(LCL\) representan los límites de control superior e inferior, respectivamente. El gráfico \(p\)-es útil cuando varía el tamaño de la muestra.
Por el contrario, un gráfico np utiliza el recuento real de defectuosos en un grupo (\(np\)), por lo que es más adecuado cuando el tamaño de la muestra permanece constante. En la carta-np, los límites de control se calculan mediante
\[ UCL = np + 3 \sqrt{np(1-p)} \] \[ LCL = np - 3 \sqrt{np(1-p)} \].Merece la pena señalar que tanto el gráfico p como el gráfico np pertenecen a la categoría de gráficos de control Shewhart, llamados así por Walter A. Shewhart, el padre del control estadístico de la calidad.
La construcción de gráficos de control de atributos implica varias etapas, empezando por la recopilación de los datos adecuados, el cálculo de proporciones para los gráficos p (o de números para los gráficos np), el cálculo de los límites de control y, por último, el dibujo del gráfico. Los paquetes de software estadístico modernos facilitan este proceso, agilizando la tarea de creación e interpretación de gráficos.
Ejemplos reales de gráficos de control basados en atributos
Ejemplo 1: Una empresa fabricante de bombillas LED necesita mantener una alta calidad del producto. El equipo de control de calidad podría adoptar un gráfico p para controlar la proporción de bombillas LED defectuosas en una muestra diaria de 500 unidades. Cualquier patrón inusual o punto fuera de control en el gráfico p impulsaría una investigación sobre el proceso de fabricación.
Ejemplo 2: A un centro de contacto le interesa garantizar un servicio al cliente superior y, por tanto, quiere minimizar el número de reclamaciones. En este caso, un gráfico pn sería adecuado para controlar el número de llamadas de reclamación recibidas cada día (suponiendo que el número total de llamadas se mantenga estable). De este modo, la empresa puede detectar cualquier cambio sustancial y abordar rápidamente los posibles problemas que provoquen la insatisfacción del cliente.
Estos ejemplos ilustran la impactante aplicación de los gráficos de control de atributos en la mejora de la calidad de las operaciones de producción y servicio.
Obtención de la fórmula del gráfico de control
Comprender la base matemática de los gráficos de control es crucial en el control de procesos de ingeniería. Las fórmulas utilizadas en la creación de gráficos de control sientan las bases del control de calidad, la optimización de procesos y la toma de decisiones de gestión con conocimiento de causa. Para derivar estas ecuaciones, recurrimos a la teoría de la probabilidad y a las reglas estadísticas.
Explorando las fórmulas matemáticas de los gráficos de control
La construcción de gráficos de control implica importantes fórmulas matemáticas basadas en principios estadísticos. Una de las principales ecuaciones en las que se basan los gráficos de control es la que se utiliza para calcular la media o promedio del proceso. Se define como
\[ \mu = \frac{1}{n}\suma_{i=1}^{n} x_i \]Donde \( \mu \) es la media o promedio del proceso, \( n \) es el número de puntos de datos, y \( x_i \) representa cada punto de datos individual.
A continuación, es esencial calcular los límites de control, que indican la desviación esperada de los puntos de datos. Los límites de control superior e inferior (UCL y LCL) se calculan como sigue:
\[ UCL = \mu + z\frac{\sigma}{\sqrt{n}} \] \[ LCL = \mu - z\frac{\sigma}{\sqrt{n}} \].Donde \( z \) es la puntuación estándar o puntuación z, que representa el número de desviaciones estándar que tiene un punto de datos respecto a la media. \( \sigma \) es la desviación típica, una medida de la cantidad de variación o dispersión del conjunto de datos.
Estas ecuaciones constituyen la columna vertebral de los gráficos de control de Shewhart. Pero hay que tener en cuenta que los distintos tipos de gráficos de control utilizan reglas estáticas diferentes y requieren fórmulas específicas adicionales. Por ejemplo, en un gráfico de control de atributos, el cálculo de los límites de control implica distribuciones binomiales o de Poisson.
Ejemplos prácticos con la fórmula del gráfico de control
Vamos a ilustrar la aplicación de las fórmulas de los gráficos de control con dos ejemplos.
Ejemplo 1: Una empresa de envasado quiere asegurarse de que sus envases pesan, de media, 500 gramos, con una desviación típica de 2 gramos. La empresa toma muestras de 30 paquetes cada hora. Utilizando las fórmulas para los límites de control, los límites de control superior e inferior para un Gráfico de Barras X serían:
$UCL = 500 + z\frac{2}{\sqrt{30}}$ y $LCL = 500 - z\frac{2}{\sqrt{30}}$ si utilizamos una puntuación z de 3 (que corresponde a 3 desviaciones típicas), el UCL sería aproximadamente 501,1 gramos y el LCL sería aproximadamente 498,9 gramos. Si la media de alguna muestra queda fuera de estos límites, puede ser necesario ajustar el proceso de envasado.
Ejemplo 2: Un centro de atención telefónica analiza la proporción de llamadas resueltas en el primer contacto. Registran si cada una de las 500 llamadas diarias se resolvió de este modo. Aquí sería útil un gráfico p. Si a partir de los datos históricos, sabemos que alrededor del 90% de las llamadas suelen resolverse en el primer contacto, nuestros límites de control serían:
$UCL = 0,9 + 3 \sqrt{\frac{0,9(1-0,9)}{500}}$ y $LCL = 0,9 - 3 \sqrt{\frac{0,9(1-0,9)}{500}}$. Así, el UCL sería aproximadamente 0,942, y el LCL aproximadamente 0,858.
Calidad de los gráficos de control: Una medida esencial
En el ámbito de la ingeniería y el control de calidad, la calidad de un gráfico de control en sí es una medida esencial. No sólo se refiere a la precisión con la que se realizan los cálculos, sino también a la adecuación del gráfico de control para reflejar la verdadera naturaleza de la variación del proceso.
Calidad del gráfico de control: Una medida esencial
Al hablar de la calidad de los gráficos de control, hay que tener en cuenta dos aspectos fundamentales. En primer lugar, la precisión de los cálculos realizados para crear el gráfico de control, garantizando que el gráfico refleje con exactitud los datos que presenta. En segundo lugar, la idoneidad del gráfico de control para supervisar el proceso específico. Los distintos procesos requieren distintos tipos de gráficos de control, en función de la naturaleza de los datos y de las particularidades del proceso.
Un gráfico de control de alta calidad debería
- Incluir ejes claramente etiquetados y un título
- Mostrar los puntos de datos, la media y los límites de control
- Basarse en datos fiables y precisos
- Actualizarse regularmente con datos nuevos
Recuerda que la atención no se centra sólo en el gráfico terminado, sino también en el proceso continuo de actualizarlo e interpretarlo. Añadir datos regularmente e interpretar el gráfico correctamente es tan importante como la configuración inicial. Un gráfico de control bien mantenido mostrará tanto la variación de causa común (inherente al proceso) como la variación de causa especial (debida a sucesos específicos), proporcionando así información útil para gestionar y mejorar el proceso.
El papel de la calidad de los gráficos de control en los procesos de ingeniería
La calidad de un gráfico de control desempeña un papel fundamental en los procesos de ingeniería. Permite a quienes gestionan los procesos identificar las variaciones y comprender sus posibles causas. Si un gráfico de control es de mala calidad -debido a cálculos inexactos, elección inadecuada del gráfico o interpretaciones erróneas- puede dar lugar a diagnósticos incorrectos e intervenciones equivocadas.
Lo que distingue a los gráficos de control no son las reglas específicas utilizadas para detectar condiciones "fuera de control". Más bien, es la filosofía que subyace a su uso. Los gráficos de control forman parte de un proceso de retroalimentación, cuyo objetivo es proporcionar una base científica para concluir cuándo un cambio es significativo, es decir, que es muy poco probable que se haya producido únicamente debido a una variación aleatoria de causa común.
En conclusión, invertir tiempo y esfuerzo en garantizar una alta calidad de los gráficos de control da sus frutos, ya que permite realizar diagnósticos precisos y mejoras eficientes y eficaces de los procesos.
Gráfico de control - Puntos clave
- Los gráficos de control son herramientas estadísticas que se utilizan para supervisar y mejorar la fiabilidad y previsibilidad de los resultados del proceso. Se utilizan en diversos sectores, como la fabricación, la ingeniería, la informática, la sanidad y la logística.
- El gráfico se crea determinando primero la media o promedio del conjunto de datos y calculando después la desviación típica.
- Hay dos categorías principales de gráficos de control: los gráficos para la localización del proceso, que detectan cambios en el nivel del proceso, y los gráficos para la variación del proceso, que detectan cambios en la variabilidad del proceso.
- Los gráficos de control por atributos se utilizan para controlar las características de un proceso, sobre todo en atributos cualitativos como pasa/no pasa, pasa/no pasa o defectuoso/no defectuoso. Incluyen los gráficos p, que controlan la proporción de elementos defectuosos, y los gráficos np, que controlan el número de elementos defectuosos.
- Todos estos tipos de gráficos de control utilizan fórmulas específicas para calcular la media o promedio del proceso y los límites de control superior e inferior. Ayudan a mantener la calidad, a optimizar los procesos y a tomar decisiones en el control de procesos.
Aprende con 15 tarjetas de Gráfico de Control en la aplicación StudySmarter gratis
¿Ya tienes una cuenta? Iniciar sesión
Preguntas frecuentes sobre Gráfico de Control
Pon a prueba tus conocimientos con tarjetas de opción múltiple
TU PUNTUACIÓN
Tu puntuación
¡Únete a la aplicación StudySmarter y aprende de manera eficiente con millones de tarjetas y mucho más!
Aprende con 15 tarjetas de Gráfico de Control en la aplicación StudySmarter gratis
¿Ya tienes una cuenta? Iniciar sesión
Acerca de StudySmarter
StudySmarter es una compañía de tecnología educativa reconocida a nivel mundial, que ofrece una plataforma de aprendizaje integral diseñada para estudiantes de todas las edades y niveles educativos. Nuestra plataforma proporciona apoyo en el aprendizaje para una amplia gama de asignaturas, incluidas las STEM, Ciencias Sociales e Idiomas, y también ayuda a los estudiantes a dominar con éxito diversos exámenes y pruebas en todo el mundo, como GCSE, A Level, SAT, ACT, Abitur y más. Ofrecemos una extensa biblioteca de materiales de aprendizaje, incluidas tarjetas didácticas interactivas, soluciones completas de libros de texto y explicaciones detalladas. La tecnología avanzada y las herramientas que proporcionamos ayudan a los estudiantes a crear sus propios materiales de aprendizaje. El contenido de StudySmarter no solo es verificado por expertos, sino que también se actualiza regularmente para garantizar su precisión y relevancia.
Aprende más