Límites de control de las variables claves e índice de capacidad del proceso Midrex I ubicada en Sidor (página 3)

Por lo tanto:

Paso 3:

Definir el intervalo de confianza (I)

El intervalo de confianza se precisó por la siguiente formula la cual es el límite de control central.

La cual primero se calcula el tc que es utilizando los valores de la tabla del estadístico T- Student interceptando los valores del coeficiente de confianza y el valor de n, que son el total de los datos que se posee los días del mes de septiembre que se utilizo para el estudio Ver anexo B tabla T STUDENT.

Por lo tanto el límite de control central que es igual al intervalo de confianza se calcula obteniendo el siguiente valor:

Paso 4

Determinar el Intervalo de la muestra (Im)

Paso 5

Determinación de los Límites de Control:

Ahora se procede a realizar el cálculo de los límites, en donde:

( = 5%

1 – ( = 95%

Al buscar en la tabla de " t " Student queda que con X = 0.0025 resulta un K = 2,101 (ver Anexo B)

Por lo tanto, queda que:

Paso 6

Criterio de decisión

Recalculo de n

Este resultado se utiliza para aceptar o rechazar la muestra tomada, se dice que si el LCI es mayor que el intervalo de la muestra entonces se acepta el número de datos tomados para la muestra, en caso contrario que el LCI sea menor que el Im entonces será rechazada la muestra y será necesaria la toma de más datos representativos para la muestra. Una vez dicho todo esto se procede a hacer la siguiente comparación:

LCI > Im

18,8245> 0,2392

Por lo tanto se acepta n como representación efectiva para la toma de decisión.

De igual manera se realizaron los demás cálculos para las demás variables claves, así como para los demás analizadores evaluados. Los datos se presentan en el Apéndice N°1 mostrando la verificación del número de la muestra por cada variable en los diferentes analizadores.

A continuación se muestras los resultados en el siguiente gráfico 4

Gráfico .4. Control Variable Clave %CO2 en Gas Tope

Fuente: Propia Del Autor

2.3. % CO2 EN GAS REFORMADOR

2.3.1. Analizador 1506_1

Para determinar los límites de control estadísticamente se utilizará datos del mes de septiembre los pasos son los siguientes:

Paso 1:

Definir el coeficiente de confianza (C)

El intervalo de confianza que se tomara será de 95 % de confianza

Paso 2

Determinar la Desviación Estándar

Para determinar la desviación estándar se utilizara la siguiente formula cual se obtendrá la desviación que obtendremos para la muestra.

• a.) Calcular el promedio por día Determinación de la sumatoria (?) de los Porcentajes de la variable clave se tomo como referencia % CO2 en gas Reformador con el analizador 1506_1 la cual se muestran los datos en la tabla 6.5 el procedimiento es calcular los promedios por días en este caso se tomaran como referencia para los cálculos solo el primer día (02/09/2008), los demás días y el otro analizador se muestran en anexos A.

3,03+2,99+2,9+2,78+2,86+2,89+2,81+2,85+2,91+2,91+2,82+2,81+2,8+2,9+2,59+2,74+2,85+2,98+2,85 +2,85+2,85+2,88+2,95+2,98=

• b.) Determinación del promedio de las horas por días que arroja el sistema la cual se toma como referencia el cálculo el día que es el 02/09/08

• c.) Cálculo del promedio del mes

Se obtendrá a través de la sumatoria de los promedios de cada día ver anexo A.

Tabla 6. Datos Variable Clave % de CO2 en Gas Reformado cálculo de los límites de control

Fuente: Propia del Autor

Por lo tanto:

Paso 3:

Definir el intervalo de confianza (I)

El intervalo de confianza se precisó por la siguiente formula la cual es el límite de control central.

La cual primero se calcula el tc que es utilizando los valores de la tabla del estadístico T- Student interceptando los valores del coeficiente de confianza y el valor de n, que son el total de los datos que se posee los días del mes de septiembre que se utilizo para el estudio Ver anexo B tabla T STUDENT.

Por lo tanto el límite de control central que es igual al intervalo de confianza se calcula obteniendo el siguiente valor:

Paso 4

Determinar el Intervalo de la muestra (Im)

Paso 5

Determinación de los Límites de Control:

Ahora se procede a realizar el cálculo de los límites, en donde:

( = 5%

1 – ( = 95%

Al buscar en la tabla de " t " Student queda que con X = 0.005 resulta un K = 1,7341 (ver Anexo B).

Por lo tanto, queda que:

Paso 6

Criterio de decisión

Recalculo de n

Este resultado se utiliza para aceptar o rechazar la muestra tomada, se dice que si el LCI es mayor que el intervalo de la muestra entonces se acepta el número de datos tomados para la muestra, en caso contrario que el LCI sea menor que el Im entonces será rechazada la muestra y será necesaria la toma de más datos representativos para la muestra. Una vez dicho todo esto se procede a hacer la siguiente comparación:

LCI > Im

2,8098> 0,0395

Por lo tanto se acepta n como representación efectiva para la toma de decisión. De igual manera se realizaron los demás cálculos para las demás variables claves, así como para los demás analizadores evaluados. Los datos se presentan en el Apéndice N°1 mostrando la verificación del número de la muestra por cada variable en los diferentes analizadores.

A continuación se muestran los resultados en los gráficos 5 y 6 con sus respectivos analizadores

Grafico.5. Control Variable Gas Reformado Analizador 1506_1

Fuente: Propia del Autor

Grafico.6. Control Variable %CO2 Gas Reformado Analizador 1506_2

Fuente: Propia Del Autor

2.4. % CH4 en Gas Reformado. 1508_1

Para determinar los límites de control estadísticamente se utilizará datos del mes de Septiembre los pasos son los siguientes:

Paso 1:

Definir el coeficiente de confianza (C)

El intervalo de confianza que se tomara será de 95 % de confianza

Paso 2

Determinar la Desviación Estándar

Para determinar la desviación estándar se utilizara la siguiente formula cual se obtendrá la desviación que obtendremos para la muestra.

• a.) Calcular el promedio por día Determinación de la sumatoria (?) de los Porcentajes de la variable clave se tomo como referencia % CH4 en gas Reformado 1508_1 la cual se muestran los datos en la tabla 6.6 el procedimiento es calcular los promedios por días en este caso se tomaran como referencia para los cálculos solo el primer día (02/09/2008), los demás días y el otro analizador se muestran en anexos A.

1,18+1,21+1,26+1,28+1,42+1,48+1,48+1,43+1,42+1,42+1,37+1,28+

1,19+1,15+1,03+1,05+1,28+1,42+1,34+1,39+1,4+1,42+1,42+1,4=

• b.) Determinación del promedio de las horas por días que arroja el sistema la cual se toma como referencia el cálculo el día que es el 02/09/08

• c.) Calculo del promedio del mes

Se obtendrá a través de la sumatoria de los promedios de cada día ver anexo A.

Tabla 7. Datos De la variable clave % CH4 en gas Reformado. 1508_1 Para el cálculo de los límites de control.

Fuente: Propia del Autor

Por lo tanto:

Paso 3:

Definir el intervalo de confianza (I)

El intervalo de confianza se precisó por la siguiente formula la cual es el límite de control central.

La cual primero se calcula el tc que es utilizando los valores de la tabla del estadístico T- Student interceptando los valores del coeficiente de confianza y el valor de n, que son el total de los datos que se posee los días del mes de septiembre que se utilizo para el estudio Ver anexo B tabla T STUDENT.

Por lo tanto el límite de control central que es igual al intervalo de confianza se calcula obteniendo el siguiente valor:

Paso 4

Determinar el Intervalo de la muestra (Im)

Paso 5

Determinación de los Límites de Control:

Ahora se procede a realizar el cálculo de los límites, en donde:

( = 5%

1 – ( = 95%

Al buscar en la tabla de " t " Student queda que con X = 0.050 resulta un K = 1,7341 (ver Anexo B).

Por lo tanto, queda que:

Paso 6

Criterio de decisión

Recalculo de n

Este resultado se utiliza para aceptar o rechazar la muestra tomada, se dice que si el LCI es mayor que el intervalo de la muestra entonces se acepta el número de datos tomados para la muestra, en caso contrario que el LCI sea menor que el Im entonces será rechazada la muestra y será necesaria la toma de más datos representativos para la muestra. Una vez dicho todo esto se procede a hacer la siguiente comparación:

LCI > Im

1,2941> 0,0564

Por lo tanto se acepta n como representación efectiva para la toma de decisión.

De igual manera se realizaron los demás cálculos para las demás variables claves, así como para los demás analizadores evaluados. Los datos se presentan en el Apéndice N° 1 mostrando la verificación del número de la muestra por cada variable en los diferentes analizadores.

A continuación se muestras los resultados en el siguiente gráfico de control 7:

Grafico .7. Control Variable %CH4 Gas Reformado 1508_1

Fuente: Propia Del Autor

2.5. % DE H2O EN GAS PROCESO

Para determinar los límites de control estadísticamente se utilizará datos del mes de Septiembre los pasos son los siguientes:

Paso 1:

Definir el coeficiente de confianza (C)

El intervalo de confianza que se tomara será de 95 % de confianza

Paso 2

Determinar la Desviación Estándar

Para determinar la desviación estándar se utilizara la siguiente formula cual se obtendrá la desviación que obtendremos para la muestra.

• a.) Calcular el promedio por día Determinación de la sumatoria (?) de los Porcentajes de la variable clave se tomo como referencia % de H2O en gas proceso, la cual se muestran los datos en la tabla 6.7 el procedimiento es calcular los promedios por días en este caso se tomaran como referencia para los cálculos solo el primer día (02/09/2008), los demás días y el otro analizador se muestran en anexos A.

17,41+17,46+17,01+16,78+16,99+17+16,94+16,94+17,42+17,05 +

16,85+16,81+17,09+17,1+17+17,34+17,41+16,98+17,1+16,89+

16,83+16,84+16,79+16,7=

• b.) Determinación del promedio de las horas por días que arroja el sistema la cual se toma como referencia el cálculo el día que es el 02/09/08

• c.) Calculo del promedio del mes

Se obtendrá a través de la sumatoria de los promedios de cada día ver anexo A.

Tabla .8. Datos De la variable clave % de H2O en gas proceso el cálculo de los límites de control

Fuente: Propia del Autor

Por lo tanto:

Paso 3:

Definir el intervalo de confianza (I)

El intervalo de confianza se precisó por la siguiente formula la cual es el límite de control central.

La cual primero se calcula el tc que es utilizando los valores de la tabla del estadístico T- Student interceptando los valores del coeficiente de confianza y el valor de n, que son el total de los datos que se posee los días del mes de septiembre que se utilizo para el estudio Ver anexo B tabla T STUDENT.

Por lo tanto el límite de control central que es igual al intervalo de confianza se calcula obteniendo el siguiente valor:

Paso 4

Determinar el Intervalo de la muestra (Im)

Paso 5

Determinación de los Límites de Control:

Ahora se procede a realizar el cálculo de los límites, en donde:

( = 5%

1 – ( = 95%

Al buscar en la tabla de " t " Student queda que con X = 0.050 resulta un K = 1,7341 (ver Anexo B).

Por lo tanto, queda que:

Paso 6

Criterio de decisión

Recálcalo de n

Este resultado se utiliza para aceptar o rechazar la muestra tomada, se dice que si el LCI es mayor que el intervalo de la muestra entonces se acepta el número de datos tomados para la muestra, en caso contrario que el LCI sea menor que el Im entonces será rechazada la muestra y será necesaria la toma de más datos representativos para la muestra. Una vez dicho todo esto se procede a hacer la siguiente comparación:

LCI > Im

16,8555> 0,1344

Por lo tanto se acepta n como representación efectiva para la toma de decisión.

De igual manera se realizaron los demás cálculos para las demás variables claves, así como para los demás analizadores evaluados. Los datos se presentan en el Apéndice N°1 mostrando la verificación del número de la muestra por cada variable en los diferentes analizadores.

A continuación se presentan los resultados en el gráfico de control 8

Gráfico. 8. Control Variable %H2O Gas Proceso

Fuente: Propia Del Autor

2.6. TEMPERATURA DEL LECHO 10 METROS TIASHH_13113 (TEMPERATURA DEL CENTRO DEL REACTOR

Para determinar los límites de control estadísticamente se utilizará del mes de Septiembre los pasos son los siguientes:

Paso 1:

Definir el coeficiente de confianza (C)

El intervalo de confianza que se tomara será de 95 % de confianza

Paso 2

Determinar la Desviación Estándar

Para determinar la desviación estándar se utilizara la siguiente formula cual se obtendrá la desviación que obtendremos para la muestra.

• a.) Calcular el promedio por día Determinación de la sumatoria (?) de los Porcentajes de la variable clave se tomo como referencia Temperatura del Lecho 10 metros con el analizador TIASHH_13113 (Temperatura del Centro del Reactor), la cual se muestran los datos en la tabla 6.8 el procedimiento es calcular los promedios por días en este caso se tomaran como referencia para los cálculos solo el primer día (02/09/2008), los demás días y el otro analizador se muestran en anexos A.

689,187+18,27+737,87+652,39+637,59+634,96+634,52+634,63+6472+683,22+615,73+634,44+628,08+728,79+768,96+706,2+725,63+692,43+651,67+664,28+672,95+669,88+695,79+649,95=

• b.) Determinación del promedio de las horas por días que arroja el sistema la cual se toma como referencia el cálculo el día que es el 02/09/08

• c.) Calculo del promedio del mes

Se obtendrá a través de la sumatoria de los promedios de cada día ver anexo A.

Tabla 9. Datos De la variable clave Temperatura del Lecho 10 metros TIASHH_13113 Fuente: Propia del Autor

Por lo tanto:

Paso 3:

Definir el intervalo de confianza (I)

El intervalo de confianza se precisó por la siguiente formula la cual es el límite de control central.

La cual primero se calcula el tc que es utilizando los valores de la tabla del estadístico T- Student interceptando los valores del coeficiente de confianza y el valor de n, que son el total de los datos que se posee los días del mes de septiembre que se utilizo para el estudio Ver anexo B tabla T STUDENT.

Por lo tanto el límite de control central que es igual al intervalo de confianza se calcula obteniendo el siguiente valor:

Paso 4

Determinar el Intervalo de la muestra (Im)

Paso 5

Determinación de los Límites de Control:

Ahora se procede a realizar el cálculo de los límites, en donde:

( = 5%

1 – ( = 97.5%

Al buscar en la tabla de " t " Student queda que con X = 0.050 resulta un K = 2,174 (ver Anexo B).

Por lo tanto, queda que:

Paso 6

Criterio de decisión

Recálcalo de n

Este resultado se utiliza para aceptar o rechazar la muestra tomada, se dice que si el LCI es mayor que el intervalo de la muestra entonces se acepta el número de datos tomados para la muestra, en caso contrario que el LCI sea menor que el Im entonces será rechazada la muestra y será necesaria la toma de más datos representativos para la muestra. Una vez dicho todo esto se procede a hacer la siguiente comparación:

LCI > Im

711,9464> 31,1646

Por lo tanto se acepta n como representación efectiva para la toma de decisión.

De igual manera se realizaron los demás cálculos para las demás variables claves, así como para los demás analizadores evaluados. Los datos se presentan en el Apéndice N°1 mostrando la verificación del número de la muestra por cada variable en los diferentes analizadores.

En el siguiente Gráficos de Control 9 se muestran los resultados

Gráfico .9. Control Variables Temperatura Centro Reactor

Fuentes: Propia Del Autor

3. ANÁLISIS DE LOS RESULTADOS

Antes de iniciar con el análisis se debe recordar que el proceso de Reducción Directa trabaja como una cadena, si se modifica una variable operativa entonces se irán modificando otras variables del proceso y así sucesivamente.

En los gráficos de control que se mostraron en la parte anterior la cual los límites de control se calcularon estadísticamente, dando como resultados que las variables claves del Proceso de Reducción en la Planta Midrex I se encuentra fuera de control dado que no cumple con las tres condiciones siguientes:

• Menos de siete (7) puntos en fila que se mantienen a un lado del valor promedio.

• Menos de siete (7) puntos en fila cambiando hacia arriba o hacia abajo de manera consecutiva.

• Todos los valores están entre el límite superior e inferior de control.

Lo cual se llega a lo siguiente:

En los gráficos se indican cuales son los puntos que se encuentran fuera de los límites de control dando como resultado

En la figura 11 se muestran alrededor 17 puntos de 19 graficados que se encuentran fuera de las condiciones anteriormente señaladas que indican que cuando la variable se encuentra bajo control, representando el 89,47% de los valores que se encuentra fuera de control. Igualmente para el analizador TIASLL_1339_2 el 84,21% y del analizador TIASLL_1339_3 el 94,73 de los valores de los cuales se encuentra fuera de los limites de control la cual sucede con las otras variables claves del estudio, una las causas más sobresaliente se debe a que la planta se encontraba en una parada operativa y por lo tanto el proceso no se encontraba en condiciones normales, las causas se muestran en un Diagrama Causa –Efecto o Espina de Pescado, para evidenciar cuales son las que deben considerarse y cuales están implícitas dentro del proceso.

3.1. CAUSAS DE VARIACIÓN DE LAS VARIABLES CLAVES

A continuación se muestran las causas frecuentes, las cuales las variables claves se han salido de control:

3.1.1. Materiales

• Desactivación Catalizador por aporte de azufre.

• Carga de Pellas no caracterizadas

• Degradación de Pella en el horno

• Sobremaquillado De pellas

3.1.2. Mano de Obra

• Laboratorio (cumplimiento de las practicas de preparación de HRD, cumplimiento de las practicas de Análisis de HRD)

• Planta (Cumplimiento de las practicas de manejo del Patio de Pellas, Conocimiento de la problemática de la variabilidad de las variables claves por parte de los operadores).

3.1.3. Método

• Caracterización de las pellas antes de su consumo

• Cambios en el proceso

• Metodología Estadísticas

3.1.4. Equipo

• Falla del Analizador

3.2. DIAGRAMA CAUSA –EFECTO

A través del Diagrama Causa-Efecto se logró establecer de una forma clara y sencilla las causas que hacen que las Variables Claves Del Proceso Midrex I estén fuera de control estadístico.

Las figuras 15, 16, 17, 18 representan el Diagrama Causa-Efecto, que permitió verificar los problemas y las causas que generan el descontrol estadístico.

Figura .15. Diagrama Causa-Efecto Variables Claves Proceso Midrex (Área Materiales)

Fuente. Propia del Autor

Figura .16. Diagrama Causa-Efecto Variables Claves Proceso Midrex (Área Mano de Obra)

Fuente: Propia del Autor

Figura .17. Diagrama Causa-Efecto Variables Claves Proceso Midrex (Área Métodos)

Fuente. Propia del Autor

Figura .18. Diagrama Causa-Efecto Variables Claves Proceso Midrex (Área Equipo)

Fuente. Propia del Autor

3.3. DIAGRAMA DE PARETO

Se utilizo este diagrama para evidenciar cuales son las causas frecuentes observadas en la Espina de Pescado permitiendo realizar lo siguiente:

• Analizar las causas

• Estudiar los resultados

• Planear una mejora continua

A continuación en la figura 6.16 Se muestra el Diagrama de Pareto o regla 80/20 la cual el 20% de las causas resuelven el 80 % del problema y el 80 % de las causas solo resuelven el 20 % del problema, esto depende de la cantidad de causas tenga el problema.

La frecuencia representa la puntuación la cual va del 1 al 10

Tabla .10. Aplicación Diagrama de Pareto Variable Claves Proceso Midrex (Materiales)

Fuente: Propia Del Autor

Gráfico.10. Grafico de Pareto

Fuente: Propia del Autor

Gráfico 11. Grafico de Pareto

Fuente: Propia del Autor

Se puede observar que la causa incidente en el área de Métodos es por la desactivación del catalizador por aporte de azufre dado que existen cambios frecuentes en la calidad.

Tabla .11. Aplicación Diagrama de Pareto Variable Claves Proceso Midrex (Mano de Obra)

Fuente: Propia Del Autor

Grafico 12. Grafico de Pareto

Fuente: Propia del Autor

Gráfico 13. Grafico de Pareto

Fuente: Propia del Autor

Se puede observar en la grafica que la causa más incidente se refleja en la parte de la planta y se debe a que el ingeniero de proceso tiene a su carga toda la información sobre el manejo de los limites de control y los operadores u otras personas del área no conocen y por lo tanto no tienen acceso a ello.

Tabla .12. Aplicación Diagrama de Pareto Variable Claves Proceso Midrex (Método)

Fuente: Propia Del Auto

Gráfico 14. Gráfico de Pareto

Fuente: Propia del Autor

Gráfico 15. Gráfico de Pareto

Fuente: Propia del Autor

Se puede evidenciar que en el área de métodos es donde se presenta la mayor parte de los problemas de variabilidad ya que por la falta de estudios estadísticos sobre el manejo de gráficos de control no se ha llevado a cabo ya que se maneja los límites de control por tendencia produciendo lecturas erróneas.

Tabla .13. Aplicación Diagrama de Pareto Variable Claves Proceso Midrex (Equipo)

Fuente: Propia Del Auto

Gráfico 16. Gráfico de Pareto

Fuente: Propia del Autor

Se debe tomar en cuenta que si no existe una metodología estadística aplicadas puede ocasionar fallas en la lectura y por eso esta es la causa más incidente en la parte del equipo.

4. ESTIMACIÓN DE LA CAPACIDAD

En cuanto a la capacidad del proceso se debe tener en claro que para obtener resultados reales y confiables acordes con el proceso Midrex se debe obtener gráficos de control que estén bajo control estadísticos, dado que las variables de calidad tomadas del proceso las cuales son las principales no se encuentran bajo estas condiciones, no es posible calcular el índice de la capacidad ya que no sería la correspondiente a dicho proceso y se recomienda hacer un estudio más exhaustivo y eliminar la causas asignables ya que el proceso es sumamente complejo y se debe ser precavido a la hora de manipular los datos. En la parte anterior se presentó un diagrama Causa – Efecto y Pareto las cuales permiten observar con claridad cuáles son las más incidentes así planteando propuesta que faciliten el estudio y se hallen los verdaderos limites de control y capacidad del proceso proporcionando mejor calidad y eficiencia por parte del operador e Ingeniero de proceso dado que se determinarían con exactitud cuando el proceso se sale fuera del control estadístico.

Conclusiones

Después del estudio del proceso de Reducción Directa de la planta Midrex I las variables claves que controlan la calidad del proceso se llegó a las conclusiones siguientes:

• 1. La planta de Reducción Directa Midrex I, posee en la actualidad una capacidad de producción de 103 tn/h.

• 2. La capacidad de producción de la planta depende del volumen de los gases que se manejan en un momento dado, especialmente del volumen de gas reformado.

• 3. La planta de Reducción Directa cuenta con seis variables claves las cuales son: %CO2 en gas reformado, %CH4 en gas reformado, %CO2 en gas tope, %H2O en gas proceso, Temperatura de gas Bustle, Temperatura del centro del reactor. Las cuales poseen analizadores individuales que dan la lectura de los datos que arroja el sistema.

• 4. Se determinaron los limites de control correspondientes a los datos suministrados por el sistema dando como resultado que las variables claves del Proceso de las Plantas Midrex I están fueran del control estadístico.

• 5. El diagrama Causa-Efecto expuesto anteriormente se mostraron cuales son las causas y de que aéreas provienen las causas dando como resultados en el Diagrama de Pareto cuáles son las causas triviales, vitales o dudosas en este caso fue. En la parte de métodos donde se pudo evidenciar que debido a la falta de la aplicación estadística a la hora de manejar los límites de control produce lecturas erróneas por parte del analizador evidenciándose con el estudio que estas se encuentran fuera de control.

• 6. En la actualidad la planta Midrex I posee mucha limitante que imposibilitan el aumento de la producción.

• 7. La metodología estadística y los análisis con los diagramas Causa-Efecto y Pareto análisis de la planta Midrex I, presentada en este trabajo, sirve como primera fase para alcanzar la Mejora Continua de la Calidad en el Proceso de Reducción Directa (Midrex).

• 8. Dado que las variables claves se encuentran fuera del control estadístico no se puede determinar la capacidad del proceso ya que no es confiable el estudio, en este caso se plantea hacer nuevamente el estudio.

Recomendaciones

Para alcanzar el incremento de la calidad del HRD, en la planta Midrex I, cumplimiento con las metas de mejora continua en forma eficiente y oportuna se dejan las siguientes sugerencias:

• 1. Dado que el tiempo dispuesto para el estudio no es suficiente se recomienda realizar un estudio detallado de las variables claves observando su comportamiento y aspectos de calidad.

• 2. Realizar un estudio de tiempo para verificar y comparar los resultados que arroja el sistema diariamente para obtener resultados cercanos a la realidad y realizar así el estudio estadístico lo cual determine con exactitud los limites correspondientes al proceso.

• 3. Estudiar a profundidad las causa de la variabilidad con respecto a las variables del proceso Midrex de tipo operativas a fin de evitar los problemas de calidad con el producto final.

• 4. Mantenerse a la vanguardia, en relación a la tecnología, ya que a medida que ésta avanza, también se puede ir modificando la planta, con el objetivo de producir cada vez mayor cantidad y calidad de HRD, de una forma cada vez más eficaz y más eficiente.

Bibliografía

Libros:

• DÍAZ ZELEDÓN, MARIANELA. "Identificación y valoración de variables, inherentes al proceso de Reducción Directa, analizadas en la planta Sidrex I, SIDOR". 1997.

• NARVAEZ DE ROJAS, ROSA. "Orientaciones practicas para la elaboración de informes de investigación. Editado por la Universidad Nacional Experimental Politécnica "Antonio José de Sucre". Puerto Ordaz. 1996.

• HODSON, WILLIAM K. "Maynard Manual de Ingeniería Industrial". Ediciones McGraw-Hill. México. 1996.

• Sidor. Monografía de la Empresa. Matanzas Venezuela. Diciembre 2003-Junio 2004

Páginas Web:

• Sistema de Información en Red "SIDORNET". Visual Factory.

• http://www.monografias.com/trabajos17/teoria-muestreo/teoria-muestreo

• http://www.ilustrados.com/publicaciones/EpyAVkklAAcZwutrus.php

• http://www.monografias.com/trabajos6/mutra/mutra?relacionados.

• http://escuela.med.puc.cl/Recursos/recepidem/EPIANAL9.HTM

• http://books.google.co.ve/books?id=9OkkQnFjtYAC&pg=PA171&lpg=PA171&dq=TRABAJOS+SOBRE+GRAFICOS+DE+CONTROL&source=web&ots=KDCv99jlmu&sig=0thcgPV7FrGxDqJA7V3b3lsRTYQ&hl=es&sa=X&oi=book_result&resnum=9&ct=result#PPA220,M1

• http://www.emis.de/journals/RCE/V23/V23_2_29ChaparroVargas.pdf

• http://cidesi.com/metrologia/cartas_control.pdf

• http://www.espolciencia.espol.edu.ec/Espolciencia/trabajos/Ciencias%20Tecnologicas/PONENCIAS/Desarrollo%20de%20un%20sistema%20de%20control%20de%20variables.pdf

• http://www1.uprh.edu/wlopez/GEOP4318/Control%20de%20Calidad/Calidad%20-%20%20MODULO%207%20Control%20de%20Proceso%20Estadistico.doc

• http://books.google.co.ve/books?id=PSeWiHdE_6YC&pg=PA110&lpg=PA110&dq=TRABAJOS+SOBRE+GRAFICOS+DE+CONTROL&source=web&ots=kqd0zm8Nlt&sig=-wP6nqF8pkhsvC5o3RIr9daQ5Ig&hl=es&sa=X&oi=book_result&resnum=6&ct=result#PPA116,M1

• http://www.ue-inti.gov.ar/pdf/presentacionmuebles.ppt#320,78,Diapositiva 78

• http://www.inlac.org/documentos/hector_garzon_23.pdf

• http://www.matematicasypoesia.com.es/Estadist/ManualCPE03.htm

• http://www.matematicasypoesia.com.es/Estadist/ManualCPE04.htm

• http://www.matematicasypoesia.com.es/Estadist/ManualCPE04p2.htm

• http://www.matematicasypoesia.com.es/Estadist/ManualCPE05.htm

• http://www.matematicasypoesia.com.es/Estadist/ManualCPE05p2.htm

• http://www.matematicasypoesia.com.es/Estadist/ManualCPE06.htm

• http://intra/informatica/Documentos/Sistema%20de%20la%20Calidad/2)%20Manual%20de%20Calidad/MANUAL%20DE%20CALIDAD.pdf

• http://www.elprisma.com/apuntes/ingenieria_industrial/diagramadepareto/

Dedicatoria

Primordialmente a Dios, mi principal fuente de vida, por proporcionarme la fortaleza y la sabiduría necesaria para mantenerme en pie durante la ardua lucha diaria, dado que no ha fácil conseguir una de mis metas la cual estoy plenamente agradecida.

A mi madre quien con su gran amor, educación, apoyo, confianza y sacrificio han hecho posible la culminación de las metas trazadas hasta ahora.

A mi hermana Andreína que ha sido mi mejor amiga me ha apoyado en todas mis decisiones brindándome todo su apoyo y mi mejor compañera de infancia y mi a mi lindo Sobrino que es lo más bello que tengo el también me ha dado el impulso para lograr mis metas para que se sienta orgulloso de su tía.

A mi abuelita bella Bertha que dios La tenga en su gloria ya que ella fue un pilar importante en mi vida y por eso he logrado esta meta gracias por todo lo que hiciste por mí.

A toda mi familia por estar a mi lado cuando los he necesitado.

A mi mejor amigo, compañero, apoyo Luís Pereira que ha estado en los momentos más difíciles de mi vida dándome su apoyo y cariño.

A mis amigos y demás compañeros que estuvieron conmigo en todos los momentos, que con su ayuda hicimos la culminación de este trabajo.

A todos se los dedico de corazón.

Melville Prada, Yuliberth De Los Ángeles

Agradecimientos

El desarrollo de este proyecto se hizo posible gracias a la colaboración y aporte de algunas personas que invirtieron tiempo, esfuerzo y creatividad, en mayor o menor medida, lo cual es justo agradecerles por su valiosa participación.

A mi madre Carmen Prada y hermanas Andreína Y Susan, por ser las personas que me animan a seguir adelante en mis proyectos de vida, brindándome de diferentes maneras, su solidaridad. Agradezco a ellas eternamente el apoyo recibido durante mi formación profesional. Mil besos para ustedes…

A mis tíos Luís, Julián, Omar, Lourdes, Rita, Norma y Gioconda como muestra de cariño y agradecimiento por el apoyo moral y estímulos brindados en este camino que se inició con la responsabilidad que representa la culminación de mi carrera profesional.

A mis primos-hermanos Igor, Joan, Daniel y demás como muestra de gratitud por estar presente en los momentos más difíciles y felices de mí formación.

A mi abuela Bertha como testimonio de cariño, por los valores, apoyo y la confianza depositada en mí.

A Luís Pereira, gracias por motivarme de manera significativa. Como muestra del apoyo brindado durante esta etapa, la cual constituye un aliciente para continuar con mi superación, por los estímulos brindados, y por tantas otras cosas más, Gracias…

Con cariño, amor, admiración y respeto…

A mis amigos Andreína, Lusdalmy, Soiret, Arianna, Oriana, José G y Aurime por su amistad y apoyo incondicional en los momentos más difíciles. Gracias

A mi tutor industrial, Ing. Gabriel Lucena, por su aporte técnico industrial y por toda su colaboración brindada ya que sin su apoyo no hubiésemos logrado la culminación de este trabajo de manera satisfactoria.

A mi tutor Académico, MSc. Ing. Iván Turmero por su apoyo y colaboración para llevar en buen camino nuestro trabajo

A la Universidad Nacional Experimental Politécnica "Antonio José de Sucre" y a todos los profesores docentes por la enseñanza brindada durante mi permanencia en la universidad.

A las demás personas que laboran en el área, José Gómez, Bernardo, Noel, Harold Ugas, Daniel Mora, Gracias por su simpatía y valiosa colaboración.

Y no podía dejar sin dedicar la presente, como eterno agradecimiento, por mi existencia, valores morales y formación profesional. Porque sin limitar esfuerzo alguno, ha sacrificado gran parte de su vida para formarme y porque nunca podré pagar todos sus desvelos ni aún con las riquezas más grandes del mundo. Por lo que soy y por todo el tiempo que les robado pensando en mi… mami muchas Gracias.

Sinceramente… Muchas gracias

Melville Prada, Yuliberth De Los Ángeles

(Diciembre 2008). Departamento de Ingeniería Industrial. UNEXPO Vice-rectorado Puerto Ordaz. Práctica profesional. Tutor Académico: MSc. Ing. Iván Turmero. Tutor Industrial: Ing. Gabriel Lucena.

Autor:

Melville Prada, Yuliberth De Los Ángeles.