Graficas de control para atributos! OBJETIVOS Se espera que al terminar este capitulo, el lector * Conozes las limitaciones de las grificas de control para variables y los distintos tipos de graficas para atributos. © Conozes los objetivos del grupo de grifica p, y la distribuci6n que se apli © Elabore una: Grafica de fraccién de defectuosas— tamafio de subgrupo fijo. Grafica de fraccién de defectuosas~ tamaiio de subgrupo variable. Grafica de porcentaje de defectuosas. Griéfica de ntimero de defectuosas * La informacion presentada en este capialo se basa en ANSUASQE BI-B3~ 1996,Sepa c6mo minimizar el efecto del tamaito de subgrupo variable. ‘Conozca las aplicaciones del grupo de gréfica c, la distribucién que se dos condiciones. Trace una grifica c y una grifica u, y conocer la diferencia entre ellas. ‘Conozca las tres clases de severidad de defectos. INTRODUCCION Atributos Enel capitulo 4 se definié lo que es un atributo, y aqui se repetird la definicis refrescar la memoria del lector. El término atributo, tal como se usa en control lidad, quiere decir que las caracteristicas de la calidad son conformes con Jas €s caciones, o que no son conformes con las especificaciones, Se usan los atributos: |. Cuando no es posible hacer mediciones, por ejemplo, de elementos que peccionan visualmente como color. partes Faltantes, rayaduras y dais. .. Cuando se pueden hacer mediciones. pero no se hacen debido al tiempo, necesidad. En otras palabras, aunque el didmetro de un agujero se puede con ua micrémetro de interiores, podra preferirse usar un calibrador pasa, y determinar si el agujero esta fabricado de manera conforme 0 no especificaciones, ‘Cuando un atributo no se encuentra conforme con las especificaciones se varios términos descriptivos. Una no conformidad es una desviacion de una cat tica de la calidad respecto a un valor o estado pretendido, que se presenta con una ridad suficiente como para hacer que el producto servicio respectivo no cumpla. requisito de una especificacién. La definicién de un defecro es similar, pero cone! la satisfaccién de requisitos pretendidos de uso normal, o razonablemente previsil uso del término defecto es adecuado cuando 1a evaluacién es en términos de uso, conformidad es adeeuado respecto a la conformidad con las especificaciones. EL término unidad no conforme se usa para describir una unidad de prod servicio que contiene al menos una no conformidad. Defectuosa (0 defectuoso) es logo a defecto, y su uso es adecuado cuando una unidad de producto 0 servicio ia en términos de uso, y no de conformidad con las especificaciones. En este libro se usardn los términos no conformidad y unidad no conforme. ‘esta prctica se evita la confusin y mal entendido que hay con los términos defe defectuosa en los juicios les Limitaciones de las grfieas de control para variables Las grdficas de control para variables son métodos excelentes para controlar la c para entonces mejorarla; sin embargo, tienen sus limitaciones. Una limitacién obv {que no se pueden usar para caracteristicas de calidad que sean atributos. La inver es cierta, porque una variable puede cambiarse a un atributo, indicando que se(conforme) 0 no se apeza (no conforme) con las especificaciones. En otras palabras, tas no conformidades, como pares faltantes, color incorrecto, etc.,.20 son medibles, y no se les puede aplicar una grifica de control. Ota limitacién es el hecho de que hay muchas variables en una unidad manufac~ turera. Hasta una planta manufacturera pequeiia podria tener hasta 1000 caracteristicas variables de calidad. Como para cada caracteristica se necesita una grifica X y R, se necesitarfan 1000 grificas. Es claro que eso serfa may costoso ¢ impractico. Observe que enel capitulo 7 se describieron algunas técnicas avanzadas para minimizar esta limita- cién, Una gréfica de control para atributos también puede minimizar esa limitacién al presentar informacién general sobre la calidad a una fraccién del costo de las anteriores. Tipos de graficas para atributos Hay dos grupos diferentes de grificas de control para atributos. Uno es pare unidades, no conformes. Se basa en la distribucién binomial. Una grifica de proporci6n 0 grifica p muestra la proporcin de no conformes en una muestra o subgrupo. La proporcién se expresa como fracciGn 9 como porcentaje. De igual modo, se podrian tener graficas de proporcién de conformes, y también se podrfan expresar como fraccién 0 porcentaje, Otra grifica en el grupo es pars el ntimero 0 cantidad de no conformes, una gréfica np. y también se podria expresar como mimero de conformes. El otfo grupo de grificas es para no conformidades. Se basa en la distribucién de Poisson. Una grifica c muestra la cuenta de no conformidades en una unidad ins- peceionada, como un automévil, un perno, una tela 0 un rollo de papel. Otra gréfica estrechamente relacionada es la gréfica u, que es para la cuenta de no conformidades por unidad. Mucha de la informacion en las grificas de control para atributos es parecida a la descrita en el capitulo 5. Se remite al lector a las secciones sobre “Estado de con- trol” y “Analisis de la condicién de fuera de control”. GRAFICAS DE CONTROL PARA UNIDADES NO CONFORMES Introduccién La grifica p se usa para datos consistentes en la proporcién de cantidad de ocurrencias de un evento entre 1a cantidad total de ocurrencias. Se usa en control de calidad para presentar la fracci6n 0 porcentaje de no conformes en un producto, caracteristica de calidad 0 grupo de caracteristicas de calidad. Como tal, la jraccidn de no conformes es la proporci6n de la cantidad de no conformes en una muestra o subgrupo, ei tidad lotal en la muestre o subgrupo. En simbolos, la férmula es "Dp Pen [Bn fa norma ANSUASQe BI-3 ~ 1996 use el simboto pr; sin embargo, en la prctica normal usa np.donde p = proporcién o fraccién de no conformes en la muestra 0 sub; n= niimero en la muestra 0 subgrupo np = niimero de no conformes en la muestra o subgrupo PROBLEMA DE EJEMPLO 8-1 Durante el primer tumo se hacen 450 inspecciones de envios del libro yy se encuentran 5 unidades no conformes. Durante el turno, la produccién 15,000 unidades. ;Cudl es la fraccién de no conformes? i 0 7 00H! En general, la fracci6n p de no conformes es pequefia, digamos que 0.1 nos. Excepto en circunstancias extraordinarias, los valores mayores que 0.1 can que la organizaciGn esté en serias dificultades, y que se requieren medi drdsticas que una gréfica de control. Como la fraccién de no conformes nequefia, los tamaiios de subgrupo deben ser muy grandes para obtener una ‘que tenga sentido. La gréfica p es una gréfica de control extremadamente versitil. Se pu para controlar una caracteristica de la calidad, como se hace con la grifica de ‘© para controlar un grupo de caracteristicas del mismo tipo o de la misma parte; para controlar todo el producto. La grifica p se puede establecer para medir la producida por un centro de trabajo, por un departamento, por un tumno o por te fabrica. Con frecuencia se usa para informar el desempeiio de un operador, ge operadores 0 de la administracién, como medio de evaluar su desempefio de El tamafio de subgrupo de la grifica p puede ser variable o constante. Se re que el tamano de subgrupo sea constante; sin embargo, pueden presentarse casos, como cambios en una mezcla y en inspeccién 100% automitica, donde el tamaito de los subgrupos. Objetives Los objetivos de las gréficas de no conformes son: 1. Determinar el nivel promedio de la calidad. Es esencial el conocimiet nivel de la calidad como referencia (0 benchmark). Esta informacién indica la cidad del proceso en términos de atributos. 2. Lamar la atencién de la administracién cuando hay cambios en el pro Una vez conocida la calidad promedio (proporcién de no conformes), los cami ywelven importantes, sean crecientes o decrecientes. 3. Mejorar la calidad del producto. A este respecto, una gréfica p puede al personal de operacién y de administraci6n a proponer ideas para mejorar la ¢: cartrexo 8indicard sila idea es adecuada 0 inadecuada. Debe hacerse un esfuerzo con- tinuo e ininterrumpido para mejorar la calidad. 4, Evaluar el desempeiio del personal y de la administracién respecto a la ca- lidad. Los supervisores de actividades, y especialmente el director general, deben ser evaluados con una grifica de unidades no conformes. Otras éreas funcionales, como Ingenieria, Ventas, Finanzas, ctc., pueden encontrar que una grifica de no conformi- dades es mas aplicabie para fines de evaluacién. 5. Sugerir lugares para usar grdficas de X y R. Aun cuando el costo de calcular Y azar las graficas X y K es mayor que el de la gréfica de unidades no conformes, las, gréficas de X y R son mucho més sensibles a las variaciones, y més ttiles para diag- osticar las eausas. En otras palabras, la gréfica de unidades no conformes puede i dicar la fuente de dificultad, y con la gréfica de X y R se determina la causa. 6. Determinar jos criterios de aceptacién de un producto antes de enviario al cliente. El conocimiento de la proporcién de no conformes da informacién a la ge- rencia para indicar si un pedido se libera. Estos objetivos indican el alcance y valor de una grifica de no conformes. Elaboracién de la grafica p para tamaio constante de subgrupo Los procedimientos generales que se aplican a las gréficas de control para variables, también se aplican a la gréfica p. 1. Seleccionar la o las caracteristicas de calidad. El primer paso en el procedi- miento es determinar el uso de la grifica de control. Se puede esiablecer una gréfica p para controlar la proporcién de no conformes de: (a) una sola caracteristica de la ca- lidad, (b) un grupo de caracteristicas de calidad, (c) una parte, (d) un producto com- pleto, o (€) varios productos. Eso establece una jerarquia de utilizacién, de modo que cualquier inspeccién aplicable a una sola caracterfstica de la calidad también sumi- nistra datos para otras grificas p, que representan grupos mayores de caracteristicas, partes 0 productos. ‘También se puede establecer una grifica p para controlar el desempefio de un: (a) operador, (b) centro de trabajo, (c) departamento, (d) turno, (e) planta 0 (f) corpo- racién. Al usar la eréfica de esta manera se pueden hacer comparaciones entre uni dades semejantes, También es posible evaluar el desempefio de una unidad, respecto a {a calidad. Existe una jerarqufa de utilizacién tal que los datos reunidos para una gré- fica también se pueden usar en una gréfica mis incluyente. El uso de la o las graficas se basa en asegurar la méxima veotaja para un minimo de costo. Uns grifica debe medir el desempeiio del director general en calidad. 2. Determinar el tamafo del subgrupo y el método. El tamaiio del subgrupo es una funcién de la proporcién ce no conformes. Si una parte tiene una proporeién p de no conformes igual a 0.001, con un tamafto de subgrupo n de 1000, el ntimero pro- medio de no conformes, np serfa uno por subgrupo. Esa no seria una buena grifica, porque una gran cantidad de valores anotados en ella serfa 0. Si una parte tiene una GRAFICAS DE CONTROL PARA ATRIBUTOSproporcién de no conformes igual a 0.15, y un tamaiio de subgrupo de 50, Promedio de no conformes seria 7.5, con el que se obtendria una buena gréfi Por lo anterior, para seleccionar el tamatio de subgrupo se requieren: observaciones preliminares para formarse una idea aproximada de la ps de no conformes y un juicio del nimero promedio de unidades no conk las que se obtendria una gréfica adecuada. Se sugiere un mimero mini como punto de partida. La inspeccién puede ser por auditoria, o en linea. En. las auditorias se hacen en un laboratorio, bajo condiciones éptimas. Ui ci6a en linea proporciona retroalimentacién inmediata para emprender caine ‘Un método preciso para determinar e! tamafio de muestra consiste ea f6rmula i a= pl — _ nt ~ (2 donde n = tamaiio de muestra. p =estimacién de la proporcién de no conformes en la poblacién dispone de alguna estimacién, suponer el “ seguridad se debe estimar por exceso. ‘oeficiente de distribuci6n normal (valor Z) para el érea entre colas. Esa drea representa el equivalente decimal del limite de c Zon ITE DE CONFIANZA 1.036 70% 1.282 809% 1.645 90% 1.96 95% 2.575 99% 3.00 9.735% E = error maximo admisible en la estimaci6n de p, que también se I cisiGn deseada, Un problema de ejemplo ilustrard el uso de esta técnic: PROBLEMA DE EJEMPLO 8-2 Un gerente de seguros desea determinar la proporcién de reclamaciones en ros de automSvil que estiin incorrectamente Hlenadas (no conformes). Con en algunos datos preliminares, estima que el porcentaje de no conformes es (p = 0.20), Se desea que la precisiéa sea 10%, y que el nivel de confi 95%. Determinar el tamaiio de la muestra. E = 10% de p = 0.10(0.20) = 0.02 = 1.96, de acuerdo con la tabla cariruLo 877 n( 42) 0.20(1 — 020)( 325)" = 1537 si después de tomar una muestra de 1537 el valor de p = 0.17, entonces el valor real estard entre 0.15 y 0.19 (p + E) 95% de las veces. Se sugiere repetir periddicamente el calculo den durante el estudio para obtener ‘una mejor estimaci6n de p. La distribuci6n normal esuna buera aproximacién a la dis- tribucién binomial, siempre que mp = 5 y n aumente a 50 0 mas. 3. Reunir los datos, El técnico de control de calidad necesitaré reunir datos suli- cientes para cuando menos 25 subgrupos, u obtener los datos en registros histéricos. ‘Quizé la mejor fuente es de una hoja de verificacién diseftada por un grupo de proyecto. La tabla 8-1 muestra al departamento de motores los resultados de inspeccion para el motor del soplador de una secadora eléctrica de cabello. Para cada subgrupo, la pro- porcién de no conformes se calcula con la frmula p = np/n. El téenico de control de calidad inform6 que el subgrupo 19 tuvo una cantidad anormalmente de unidades no conformes, debidas a contactos defectuosos, datos pueden anotarse en una grifica de corrida como se ve en la figura 8-1 Una grifica de corrida muestra la variacion en los datos; sin embargo, se neces limites estadisticos para determinar si el proceso es estable. Este tipo de gréfica es muy efectivo durante la fase de arranque de un elemento © proceso nuevo, cuando el proceso es muy errético. También, muchas organizeciones. prefieren usar este tipo de grifica para medir el desempefio en la calidad, y no una gré- fica de control. Como la sne limites no es una grifiea de control. Fsto no reduce Ia eficacia, en muchas situaciones. ffica de corrida no. 4. Caleular la linea central y los limites de control tentativos. La formula para los limites de control tentativos es: UCL =p +3, proporcién promedio de no conformes para muchos subgrupos. ‘n= niimero inspeccionado en un subgrupo. UCL = limite superior de control (de upper control limit). LCL = limite inferior de control (de lower control limit). La proporcién promedio de no conformes, 7, ¢s la linea central, y se obtiene con la formula j — Enp/En. Los célculos para determinar los limites de control 3TABLA 8-1 Resultados de la inspeceién de motores de soplador en secadores de cabello, Departamento de motores, mayo CANTIDAD, NUMERO PROPORCION INSPECCIONADA DE NO CONFORMES DE NO CONFORMES 300 300 300 300 300 300 300 300 300 300 300 300 300 300 300 300 300 0.040 0.010 0.030 0.013 00 0.020 0.020 0.003, 0.027 0.037 0.007 0,033 0.030 0.010 00 0.017 0,023 0.027 0.053 0.007 0.017 0.020 i) 0.010 0.007 BSI em eee me 300 300 300 300 300 300 300 7500 7 8 16 2 5 6 Fraceiin de no cenformas (p) FIGURA8-1 Gréficade para los datos de Ia tabla’ carirvto 8tentativos usando los datos de la secadora eléctrica para cabello son los si- guientes: 0.0181 300 0.018 + 3, 0.041 p(L — p) n ooig — 3, [0-018 = 0018) 300 = -0,005 00.0 p-3. Los célculos del limite inferior de control dieron como resultado un valor negativo, que es te6rico. En la prictica seria imposible una proporcién negativa de n0 con- formes. Por ello, el valor de —0.005 para el limite inferior de control se cambia a 0. ‘Cuando el Iimite inferior de control es positive, en algunos casos se puede cam- biar a 0. Si el personal de operacién va a tener acceso a la gréfica p, seria dificil exp carles por qué una proporcién de no conformes que es menor que el limite inferior de control est fuera de control. En otras palabras, un desempefio de calidad excepcional- ‘mente buena se clasificaria como fuera de control. Para evitar tener que explicar este caso al personal de operacién, el limite inferior de control se cambia de un valor positi- vo, a 0, Cuando el personal de control de calidad y la adminisiracién son los que van usar la gréfica p, se deja invariable un limite inferior de control positive. De esta mane- ra, un desempefio excepcionalmente bueno (abajo del limite inferior de control) se con- siderard como un caso de fuera de control, y se investigaré para ver si tiene una causa asignable. Se espera que la causa asignable indique como se puede repetir la situaciGn, En la figura $-2 se muestran la linea central 7 y los limites de control; la propor- i6n p de no conformes, de la tabla 8-1, también se muestra en la gréfica. Esta griffica se usa para determinar si cl proceso es estable, y no se pone a la vista del personal. Es importante reconocer que la linea central y los limites de control se determinaron a partir de los datos, 5. Establecer la linea central y los limites de control revisados. Para determinar los limites de control 3c revisados, debe determinarse el valor estandar o de referencia para la proporcisn py de no conformes. Si en un andlisis de la grifica del paso 4 se ve que hay un buen control (que el proceso es estable), entonces se puede considerar gue P es representativo de ese proceso. Por consiguiente, la mejor estimacién de py por el momento es B, ¥ Po = P- Sin embargo, la mayor parte de los procesos industriales no estén en control cuando se analizan por primera vez, lo cual se ilustra en la figura 8-2 en el sudgrupo GRAFICAS DE CONTROL PARA ATRIBUTOS0.040 0030+ @ 0.020 oot © Fraccién de no conformes (p) oe tc wo 10 i 20 2 Subgiupo FIGURA 8-2 Grafica para ilustrar la Iinea central y los limites de control con los datos de la tabla 8-1 19, que esté arriba del limite superior de control, por lo que esta fuera Como el subgrupo 19 tiene una causa asignable, se puede desechar de los calcular una nueva 7 con todos los subgrupos excepto el 19. Los célculos se: can si se usa la formula: _ Samp = npe Pousa = Sn — ny \imero de no conformes en los subgrupos desechados donde np, = ‘ng = niimero inspeccionado en los subgrupos desechados Al desechar los datos se debe recordar que s6lo se desechan los grupos usas asignables. Los que no las tengan se quedan en los datos, De este puntos fuera de control que estén abajo del limite inferior de control no se desechar porque representan una calidad excepcionalmente buena. Sin emt Punto fuera de control en el lado bajo se debe a un error de inspeccién, sf se sechar. Al contar ya con un valor patrén o de referencia pp adoptado para la de no conformes, los limites de control revisados son: Po = Prucrs LCL = po ~ donde py, la linea central, representa el valor pairén o de referencia, de la fi no conformes, Esas formulas son para los limites de control con tres desviaci tindar desde la linea central py, CAPETULO 8Asi, para los datos preliminares de la tabla 8-1, se obtiene un nuevo B dese- cchando el subgrupo 19. 5 = ZAP = MPa Proce = “Sq ng 138 = 16 | 7500 = 300 = 0.017 Como Pracio €5 la mejor estimacién del valor estandar o de referencia, entonces 1.017. Los limites de control revisados, para la grifica p, se obtienen como sigue: UCL = pp + sy al = Po) Nore 3 017(4 — 0.017) 300 0.039 he ean — 0.017) 300 0.005 0 0.0 Los limites de control y la linea central py revisados se ven en la figura 8-3. Esta gré- fica, sin los puntos, se coloca en un lugar visible, y se va trazando la proporcidn p de no conformes, para cada subgrupo, cusndo se tenga el dato. 6. Alcanzar el objetivo. Los cinco primeros pasos fueron de planeacién. Enel Ultimo paso interviene la accién, y conduce 2 alcanzar el objetivo. Los limites de control revisados se basaron en los datos reunidos en mayo. Ena figura 8-3 se ven algunos valores representativos de los resultados de la inspecci6n para el mes de junio, Alanalizar los resultados de junio se ve que mejor6 la calidad. Era de esperar esta me- jora, porque al poner una grafica de control de calidad en lugar visible se suele obtener una mejor calidad. Al usar los datos de junio se obtiene una mejor estimacién de la proporcién de no conformes. El nuevo valor (pp = 0.014) se usa para obtener el limite superior de control (UCL) = 0.036. Durante la tiltima parte de junio y todo el mes de julio, un equipo de proyecto gener6 varias ideas para mejorar la calidad, y se probaron. Esas ideas fueron una nueva Taca, un cambio en el tamatio de la bobina. un resorte més resistente, poner gréficas X y R para la armadura, etcétera. Para probar las ideas hay tres criterios: se requiere un Seer eeecapfruto 8 Fracoion deo contormes (p) unio Julio ‘Agosto FIGURA 8-3 Uso continuo de la grafica p para valores representativos dela cin de no conformes, p. minimo de 25 subgrupos, que se pueden comprimir en el tiempo mientras. sesgo de muestreo, y sélo se prueben las ideas una por una. La grifica de indicard si la idea mejor6 la calidad, la redujo 0 no tuvo efecto sobre ella. ca de control deberfa estar en un lugar conspicuo, para que el personal de la vea. ‘Se usan los datos de julio para determinar ta tinea central y los limites trol para agosto. El patrén de variacién en agosto indica que ya no hubo més Sin embargo, hubo un 41% de mejoria de junio (0.017) a agosto (0.010). momento ya se obtuvo una mejoria considerable al probar las ideas del equi yecto. Aunque esa mejoria es muy buena, se debe continuar persiguiendo in mente el miejoramiento de la calidad: todavia queda 1 no conforme en 100. tun andlisis detallado de fallas o con la ayuda técnica de Ingenicita de producto! dan obtener més ideas que se puedan evaluar. También podria zyudar un nu po de proyecto. El mejoramiento de la calidad munca termina. Se pueden redirigir les acti hacia otras reas, de acuerdo con la necesidad y/o los recursos disponibles. Algunos comentarios acerca de las gréficas p Como la grifica X y R, la gréfica p es més efectiva si se coloca donde la pues personal de operacién y el de control de calidad. También, como la gréfica X limites de control suelen estar a 3 desviaciones estindar del valor central. Por guiente, un 99% de los puntos p graficados caerén entre los limites de control e inferior En el caso de una gréfica p, se maneja el estado de control en forma simi que se deseribié en el capitulo 5. Seria bueno que el lector repasara esa sec grdfica de control para valores de p de subgrupo ayudard a encontrar la presen sional de causas asignables de variaciones en los procesos. La eliminacién ccausas asignables hard bajar a py y en consecuencia tendra un efecto positivodesperdicios, la eficiencia y el costo unitario. Una gréfica p también indicaré tenden- cias a largo plazo en calidad, que a su vez ayudarén a evaluar cambios en personal, metodos, equipo, herramental, materiales y técnicas de inspeccién, Si se conoce le proporcién poblacional de no conformes, no es necesario cal- cular los limites de control tentativos. Bs un caso en que se ahorra un tiempo conside- rable, porque po = ¢, lo cual permite introducir de inmediato la grdfica p. También, 2 pose le puede asignar un valor objetivo, en cuyo caso no son necesatios los limites de control tentativos Como la grafica p s¢ basa en la distribucién binomial, debe haber una probabi- lidad constante de seleccionar una unidad no conforme. Pero en algunas operaciones, si se presenta una unidad no conforme, todas las que le siguen serén no conformes, has que se corrija la condicién. Esta clase de condiciones también se presentan en proce- 808 por lotes, cuando todo el lote es no conforme, 0 cuando se comete un error en dimensiones, color, eteétera, En esos casos no hay una probabilidad constante de obte- ner una unidad no conforme, por To que la grifica p puede no ser adecuada. ‘Técnicas de presentacién Laiinformacién del ejemplo anterior se presenta como una fraccién de no conformes. ‘Tambign se podria presentar como porcentaje de no conformes, fraccién de conformes © porcentaje de conformes. Las cuatro técnicas muestran Ia misma informacién, como muestra la figura 8-4. Las dos figuras de abajo muestran informacién contraria res- pecto a sus respectivas figuras de arriba. ‘muestra las ecuaciones para control con las cuatro téenicas, en funciGn de po. Muchas organizaciones estén adoptando la actitud positiva y usan cualquiere de las dos técnicas de presentacién de conformes. El uso de la gréfica y los resultados serin iguales, sin importar qué gréfica se use. Icular la linea central y los limites de Elaboracién de la grifica p para tamaiio variable de subgrupo Siempre que sea posible, deben desarrollarse y usarse les gréfieas p con un tamafio de subgrupo constante. Este caso no es posible cuando la gréfica p se traza para 100% de inspeccién de una produccién que varia de un éfa al siguiente, También, los datos para usar la grfica p con inspeccién de muestreo pueden variar por diversas razones. Como los limites de control son funcién del tamaiio 7 de subgrupo, los limites de control van a variar con el tamafio del subgrupo. Por consiguiente, se deben calcular para cada sudgrupo. Aunque no es deseable que el tamafio de subgrupo sea variable, se presenta y se ‘debe manejar. Los procedimientos para recolectar datos, establecer la linea central y Jos limites de control tentativos, y la Ifaea central y los limites de control revisados son Jos mismos que para una gréfica p con tamatio de subgrupo constante. Con un ejem- plo sin los pasos 1 y 2 se ilustrard el procedimiento. Paso 3. Reunir los datos. Un fabricante de médems de computadora ha reunido datos de 1a prueba final del producto durante finales de marzo y todo abril GRAFICAS DE CONTROL PARA ATRIBUTOS 8 Sy}Fraccién de na conformes: g Freceién de conformes Fracsién de no conformes Porcentsje de no conformes Grafica p Grafica 10¢p UCLioo Porcentaje de ne conformes luni ‘unio Fraccién de conformes Porcentaje de contormes Graticag Grafica 100q UCL = 1.00 UCL yo0q = 10 0 = 0983 100g = 98.3% Poreentaje de conformos, LCL, = 0.961 ~ CL yo0q = 96.1% Junio FIGURA 8-3 Varias técnicas para presentar informacién de la grifica p. El tamaiio de subgrupo fue “resultados de inspeccién para | dia.” Los result inspeccién para 25 subgrupos se ven en las tres primeras columnas de la tabla signaci6n de subgrupo, cantidad inspeccionada y nimero de no conformes. Una, columna, para la fraceién de no conformes, se calcula con la férmula p = 1 dos iiltimas columnas son para calcularlos limites de control superior ¢ inferior, describirdn en fa siguiente seccién. TABLA 8-2 Céleulo de Ia linea central y los limites de control para las diversas téenicas de Linea central Limete superior presentacién. FRACCION DE PORCENTAJE DE FRACCIGN DE. NO CONFORMES _NO CONFORMES “CONFOR’ a 100) 100q9 = 100(1 uc, 100(UCL,) 1-LCL, 100(UCLg) ite inferior de control LCL, 1OULCL,) 1—UCL, 1000.CL4)8-3 Datos preliminares de la prueba final de médems de computadora y li 1.015 GRAFICAS DE CONTROL PARA ATRIRUTOS cada subgrupo NUMERO NUMERO DE INSPECCIONADO NO. CONFORMES NO CONFORMES 2 P 2,385 35 0.023 1451 18 0.012 1935 50 0.026. 450, 2 0.017 1,997 39 0.020 2.168 2 0.024 1,941 47 0.024 1,962 34 0.017 2,244 29 0.013 1,238 33 0.083 2.289 45 0.020 1.464 26 0.018 2,061 47 0.023 1,667 My 0.020 350 31 0.013 354 38 0.016 1,509 28 0.018 2,190 30 0014 2.078 3 0.042 2,252 58 0.026 1641 34 0.021 1,782 19 oon 1,993 30 0.015 2,382 1 0.007 2132 46 0.022 50,515 La variaci6n en la cantidad inspeccionada cada dia puede deberse a varias razo- nes, Las méquinas pueden tener descomposturas, 0 pueden no estar programadas. Los modelos de producto pueden tener distintas necesidades de produccién, lo cual causa- ri variaciones de un dia al siguiente. De acuerdo con Ios datos de la tabla 8-3 hubo un mfnimo de 1238 inspecciones €19 de abril, porque el segundo turno no trabajé, y un méximo de 2678 inspecciones el 22 de abril, porque un centro de trabajo labor tiempo extra. Paso 4. Determinar la linea central y los limites de control tentativos. Los ii- mites de coatrol se calculan con los mismos procedimientos y formulas que para sub- grupos de tamafio constante.Sin embargo, como el tamaiio de subgrupo cambia cada dia, deben limites para cada dia. Primero se debe determinar la fraccién promedio de no: ‘mes, que es la Tinea central: se calcula con: Emp _ 1015 Be sosis 2° Se obtienen entonces los limites de control para cada dia, usando p. Para marzo, los limites son: 029 ee [o.020(1 — 0.020) = 0.020 — 3, \ 2385 = 0.011 Para el 30 de marzo, los limites de control son: UCLy =p + 3/2) Soon 3 fam = 0.020) 451 = 0.031 (0.020(1 = 0.020) 1451 = 0,009 Los célculos de limites de control se repiten pera los 23 subgrupos restantes. ¢8 la tinica variable que cambia, es posible simplificar los célculos como sigue: capiruLo 8s3Va-) Van ——— V'0.020(1 Vn CLis=pt 3 0.020 + 0.42 = 0.020 + —> = Va Con este método, los célculos son mucho més ripidos. Los Iimites de control para los 25 subgrupos se ven en las columnas 5 y 6 de la tabla 8-3. En la figura 8-5 se muestra una ilustracién gréfica de los limites de control y linea central tentativos, y valores de subgrupo, ‘Observe que a medida que aumenta el tamano de subgrupo, los limites de con- trol se acercan entre sf; cuando el tamaiio de subgrupo es menor, los limites de control se separan, Esto se ve en la firmula, y también al comparar el tamafio de subgrupo con su UCL y LCL. Paso 5. Establecer la linea central y limites de control revisados. Al examinar la figura 8-5 se ve que el 9 de abril, 22 de abril y 29 de abril se presentaron situaciones fuera de control. Hubo un problema con la soldadura de onda el 9 y el 22 de abril ‘También, se encontré que el 29 de abril el instrumento de prueba estaba descalibrado. © uct Fraccién de no convormes, 0.007 & 799031 1.25 67 8 9 2191415 16 19.207 22232627 282930 Marzo Abril FIGURA 85 Datos preliminares, linea central y mites de control tentativos. GRAFICAS DE CONTROL PARA ATRIBUTOS‘Como todos esos puntos fuera de control tienen causas asignables, se desecht tiene un nuevo p como sigue: — =np = npa Pawevo = in ng L015 5319317 50,515 — 1,238 — 2,678 — 2382 = 0.019 Ya que este valor representa la mejorestimacién del valor estindar o de ref la fraccién de no conformes, pp = 0.019. La fraccion de no conformes, pp, se usa para calcular los limites de co rior e inferior para el siguiente periodo, que es el mes de mayo. Sin em! pueden calcular los limites, sino hasta el final de cada dfa, cuando se conoce ‘io n del subgrupo. Eso quiere decir que nunca se conucen los limites de anticipacién. La tabla 8-4 muestra los resultados de Ia inspecci6n para los ros dfas habiles de mayo. Los limites de control y la fraccién de no conform 3.de mayo son los siguientes: np n 1535 P3 de mayo. 0.020 [po( = po) Vo Ra demayo (0.019(1 — 0.019) 0.019 + 3, 1535 UCL3 de mayo = Po + = 0,029 (Pol! — Po) 73 demayo (0.0191 — 0019) 1535 TABLA 8-4 Resultados de inspeceién para los dias 3, 4 y 5 de mayo LCL de mayo = Po — 3, = 0.019 — = 0.009 £0 INSPRCCIONANO NUMERO DE NO Con 31 28 453 Freccin de no conforms (p) 8 3 4 5 6 7 101112131417 18 19 2021 24 25262728123 47 Mayo Junio FIGURA 8.6 Limites de control y fraccién de no conformes para los tres primeros das laborables de mayo. Los limites superior e inferior de control, y la fraccién de no conformes para el 3 de ‘mayo, se anotan en la gréfica p, como muestra la figura 8-6. De forma similar, se hacen los edlculos para el 4 y el 5 de mayo, y los resultados se anotan en la gréfica La gréfica se continéa hastaeel final de mayo, usando py = 0.19. Como al intro- ducir una gréfica de control suele presentarse una mejora, es probable que se obtenga una estimacién mejor de py al final de mayo, con los datos para ese mes. En el futuro, se deberia evaluar periddicamente el valor de po. Si se conoce py, no son necesarios los procesos de recoleccién de datos y esta blecimiento de limites de control tentativos. Con esto se ahora mucho tiempo y esfuerzo. ‘Ya que se presenta cierta confusiGn entre po, p y p, Se repetirdn sus definiciones. . pes la proporeién (fracci6n) de no conformes en un solo subgrupo. Se pone en la gtéfica, pero no se usa para calcular los limites de control. ._ Pes la proporcién (fracciGn) promedio de no conformes de muchos subgrupos. Es la suma de la cantidad de no conformes dividida entre la suma de la cantidad inspeccionada, y se usa para calcular los limites tentativos de control. py es el valor estiindar 0 de referencia para la proporci6n (fraccién) de no con- formes, basado en la mejor estimacién de p. Se usa para calcular los Ifmites de control revisados. Se puede especificar como valor deseado. 4.e6 la proporcisn (fraccién) poblacional de no conformes. Cuando se conoce su valor, se puede usar para calcular los limites, porque po = GRAFICAS DE CONTROL PARA ATRIBUTOSMinimizacién del efecto del tamafio variable de subgrupo Cuando los limites de control varian de un subgrupo a otro, se obtiene una poco atractiva, dificil de explicar al personal de operacidn. Tambien es que los limites de control se calculan al final de cada dia o cada periodo, y no nera anticipada. Hay dos técnicas que minimizan el efecto del tamaiio variable ‘grupo. 1. Limites de control para un tamano promedio de subgrupo. Al usar un variable de subgrupo, se puede calcular un limite y anotarlo en la grifica de c tamaiio promedio de subgrupo se puede basar en la produccién prevista para el en las inspecciones del mes anterior. Por ejemplo, la cantidad inspeccionada datos preliminares en la tabla 8-3 seria: En _ 50,515 g 25 Si se usa un valor de 2000 como n, el tamafio de subgrupo, y si py = 0.019, los superior e inferior de control son: = 2020.6, sean, 2000 UCL = py + 3, (21 = Po) VO tw 0.019 + Ey onal 038) 2000 = 0.028 eo a) ) come fooi9c = 0.019) V 2000 0.010 Estos limites de control son los que se ven en la gréfica p de la figura 8-7, junto la fraccién de no conformes. para cada dia de mayo. Cuando se usa un tamaiio promedio de subgrupo, hay cuatro c: den presentar entre los limites de control y la fraccién indi formes. s que jidual de valores Caso 1. Este caso se presenta cuando un punto (fraccién de no conformes en el suk cae dentro de los Iimites, y su tamaiio de subgrupo es menor que el tamaiio pror subgrupo. Los datos p = 0.011 ym = 1828, del 6de mayo, representan este caso, 'amatio del subgrupo en el 6 de mayo (1828) es menor que el promedio de 2000, les para eve dia estardn més alejados que los limites de control para el tamatio proms subgrupo. En consecuencia, no se necesitan limites de control individuales en este c Pesta bajo control cuando n = 2000, también estaré bajo control cuando m = 1828 carirxo 8© po=0019 Fraccién de no conformes (p) 34 5 6 7 1011 1213141718 19 2021 2425262728 1 2 3 Mayo Jusio FIGURA 8-7 Griéfica para los datos de mayo, que ilustran el uso de un tamaiio promedio de subgrupo. Caso II, Es el caso que se presenta cuando un punto (fraccién de no conformes en tun subgrupo) cae dentro de los limites promedio, y su tamafio de subgnupo es mayor que el tamaiio promedio de subgrupo. Los datos p = (.027 yn = 2900, para el I1 de mayo, ilustran este caso, Como el tamaiio del subgrupo del 11 de mayo es mayor que el tamaiio promedio de subgrupo. los limites de control para ese dia estardn mas cercanos entre {que los limites de control para el tamaiio promedio de subgrupo. Por consiguiente, cuando hay una diferencia apreciable en el tamafio del subgrupo, se calculan los limites de control individuales. Para el 11 de mayo, los valores de los limites de control superior e inferior son 0.026y 0.012, respectivamente. Esos limites de control individuales se ven en la figura 8-7. Se aprecia que el punta sale del limite de control individual, por lo que se trata de un caso de fuera de control. Caso TH. Este caso ocucte cuando un punto (fraceiGn de no conformes en el sub- grupo) cae fuera de los limites, y su tamafo de subgrupo es mayor que el tamatio ppromedio de subgrupo. Los datos para el 14 de mayo son p = 0.030 yn = 2365, ilus- iran este caso. Como el tamatio de subgrapo del 14 de mayo (2365) es mayor que el promedio de 2000, los limites de control para ext dia sera mas angostos que los del iio promedio de subgrupo. En consecuencia, én este caso no se necesitan limites de control individuales. Si p esti fuera de control cuando n = 2000, también debe estar fuera de control cuando n = 2365. Caso IV. Este caso se presenta cuando un punto (fraccién de no conformes en tin subgrupo) sale de les limites, y su tamafio de subgrupo es menor que el tamafio promedio de Subgrupo. Los datos p= 0.029 y m = 1590, para el 24 de mayo, flustran exe caso, ‘Como el tamaiio de subgrupo (1590) para ese da es menor que el promedio de 2000, los limites de control para el 24 de mayo estardn més alejados entre sf que los del tamano promedio de subgrupo. Por consiguiente, cuando hay una diferencia apreciable en el tamaiio del subgrupo, se calculan los limites individuales de control. Para el 24 de mayo. los valores de los Kimites de control superior e inferior son 0.029 y 0,009, respectiva- ‘mente. Estos limites de contol individuales se muestran en la figura 8-7. Se ve que el Punto esti en el limite de control individual, y se supone que esté bajo control. ermcaicoce Hl