INGENIERIA Y CONTROL DE LA CALIDAD

CONTROL ESTADISTICO DEL PROCESO

GRAFICAS DE CONTROL PARA ATRIBUTOS





Csar A. Acosta-Meja
GRAFICAS DE CONTROL PARA ATRIBUTOS
Atributo: caracterstica de calidad que el bien o servicio posee o no.

Ejemplos:
1. El Color de la carrocera de un automovil
2. El acabado superficial de una lmina

Un producto defectuoso puede tener uno o ms defectos

GRAFICOS DE CONTROL PARA ATRIBUTOS
CLASIFICACION
Grficos de control para unidades defectuosas

La grfica p fraccin defectuosa
La grfica np nmero de unidades defectuosas

Grficos de control para defectos

La grfica c nmero de defectos.
La grfica u nmero de defectos por unidad.
GRAFICOS DE CONTROL PARA ATRIBUTOS
CLASIFICACION
Grficos de control para unidades defectuosas muestras de:

La grfica p fraccin defectuosa
La grfica np nmero de unidades defectuosas (tamao constante)

Grficos de control para defectos

La grfica c nmero de defectos. (tamao constante)
La grfica u nmero de defectos por unidad.
GRAFICA DE CONTROL p
Sea x
i
el nmero de unidades defectuosas observadas en muestras de
tamao n
i
.
Sea p
i
la fraccin defectuosa de la muestra i (de tamao n
i
)

p
i
= Nmero de defectuosos x
i

Nmero de Artculos n
i


Se grafica los valores de p
i
y se verifica que
se encuentren entre los lmites de control
no se observan patrones sistemticos
En caso de haber puntos fuera de control, los lmites se recalculan
GRAFICA DE CONTROL p
Si el proceso est estable con fraccin defectuosa constante p; y si las
observaciones se pueden considerar independientes entonces:

X : # de defectuosos en una muestra de tamao n ~ Binomial (n,p)

La distribucin binomial se aproxima por la distribucin normal si np > 5

X ~ Normal ( = np, o = \ np(1-p) )

y los lmites de control son: E [X/n] 3 DS [X/n]
p 3 \ p(1-p)/\ n
GRAFICA DE CONTROL p
Esta grfica controla si el parmetro p de la distribucin binomial
permanece constante

En un solo grfico se puede controlar una, varias, o todas las
caractersticas de calidad del producto


GRAFICA DE CONTROL p
Clculo de los lmites de control

Los Lmites de control son: p 3
(binomial normal)

Si p no se conoce, se le estima
a partir de m muestras previas, con


p p
n
( ) 1
p
x
n
m
m
=

GRAFICA DE CONTROL p
Clculo de los lmites de control

Los Lmites de control son: p 3
(binomial normal)

Si p no se conoce, se le estima
a partir de m muestras previas, con


Note que si n vara
los lmites de control no seran constantes p 3

p p
n
( ) 1
p
x
n
m
m
=

i
n
p p ) 1 (
GRAFICA DE CONTROL p
los datos siguen una distribucin binomial

Estadstico (x/n)


Lmite Superior de Control (LSC)

Lnea Central

Lmite Inferior de Control (LIC)


muestra
X es una v. a. binomial(n, p)
El proceso est estable o en control (estadstico) si la distribucin binomial se
mantiene constante en el tiempo




tiempo





La distribucion binomial permanece constante si p no cambia
X/n
GRAFICA DE CONTROL p
los datos siguen una distribucin binomial
GRAFICA DE CONTROL p
Seleccin del tamao de muestra n
La binomial se aproxima por la distribucin normal si np > 5
por tanto n > 5 / p
GRAFICA DE CONTROL p
Seleccin del tamao de muestra n
La binomial se aproxima por la distribucin normal si np > 5
por tanto n > 5 / p
Si se desea asegurar un LIC entonces p - 3 \ p(1-p)/\ n > 0
por tanto n > 9 (1-p) / p
GRAFICA DE CONTROL p
Seleccin del tamao de muestra n
La binomial se aproxima por la distribucin normal si np > 5
por tanto n > 5 / p
Si se desea asegurar un LIC entonces p - 3 \ p(1-p)/\ n > 0
por tanto n > 9 (1-p) / p
Si el proceso tiene fraccin p
0
y se desea detectar que la fraccin ha
cambiado a p
1
con un 50% de probabilidad entonces
x/n
LSC p
1

p
0
p
0

GRAFICA DE CONTROL p
Seleccin del tamao de muestra n
La binomial se aproxima por la distribucin normal si np > 5
por tanto n > 5 / p
Si se desea asegurar un LIC entonces p - 3 \ p(1-p)/\ n > 0
por tanto n > 9 (1-p) / p
Si el proceso tiene fraccin p
0
y se desea detectar que la fraccin ha
cambiado a p
1
con un 50% de probabilidad entonces
LSC = p
1

p
0
+ 3 \ p
0
(1-p
0
)/\ n = p
1
p
1

\ n = 3 \ p
0
(1-p
0
) / (p
1
- p
0
)
n = 9 p
0
(1-p
0
) / (p
1
- p
0
)
2

GRAFICA DE CONTROL p
Seleccin del tamao de muestra n
La binomial se aproxima por la distribucin normal si np > 5
por tanto n > 5 / p
Si se desea asegurar un LIC entonces p - 3 \ p(1-p)/\ n > 0
por tanto n > 9 (1-p) / p
Si el proceso tiene fraccin p
0
y se desea detectar que la fraccin ha
cambiado a p
1
con un 50% de probabilidad entonces
LSC s p
1

p
0
+ 3 \ p
0
(1-p
0
)/\ n s p
1

\ n > 3 \ p
0
(1-p
0
) / (p
1
- p
0
)
n > 9 p
0
(1-p
0
) / (p
1
- p
0
)
2

La compaa ABC fabrica cortadoras de csped. La produccin diaria es de
aproximadamente 200 cortadoras. Se ha decidido seleccionar cada da 40 cortadoras al
azar de la lnea de proceso para realizar la prueba de calidad. La prueba consiste en
realizar dos ensayos tirando el cordn para ver si el motor arranca. El ingeniero de
produccin desea realizar un diagrama p para esta prueba crtica de funcionamiento.
Los datos de mes de marzo con 22 das laborables se muestran en la tabla anexa.

a) Construya la grfica p e identifique si el proceso est bajo control

b) Estime la fraccin defectuosa del proceso suponiendo que se eliminan las causas
especiales de variabilidad

c) Cuntas cortadoras se requieren probar cada da ?
GRAFICA DE CONTROL p
Ejemplo 1
GRAFICA DE CONTROL p
Ejemplo 1
Da Numero de artculos Fraccin
defectuosa (x/n)
defectuosos (x)
1 2 2/40 = 0.050
2 3 0.075
3 1 0.025
4 4 0.1
5 3 0.075
6 2 0.05
7 1 0.025
8 1 0.025
9 0 0
10 3 0.075
11 2 0.05
12 4 0.1
13 7 0.175
14 2 0.05
15 3 0.075
16 3 0.075
17 2 0.05
18 8 0.2
19 0 0
20 1 0.025
21 3 0.075
22 2 0.05
TOTAL 57
a) m = 22 nmero de muestras
n = 40 tamao de cada muestra

=
=
=
M
j
j
M
j
j
n
x
p
1
1
06477 . 0
) 40 ( 22
57
= =
( )
0 LIC
06477 . 0 LC
1816 . 0
40
06477 . 0 1 06477 . 0
3 06477 . 0 LSC
=
=
=

+ =
20 10 0
0.2
0.1
0.0
Sample Number
P
r
o
p
o
r
t
i
o
n
P Chart
1
P=0.06477
UCL=0.1815
LCL=0
GRAFICA DE CONTROL p
Stat > Control Charts > P
b) El punto p
18
cae fuera de los lmites de control y el punto p
13
est muy prximo. Al
determinar la causa que produjo su comportamiento se les elimina y se recalculan p y
los lmites de control (para usarlos durante abril):










Da (i) Numero de artculos
no conformantes en el grupo
Fraccin no
conformante
1 2 2/40 = 0.050
2 3 0.075
3 1 0.025
4 4 0.100
5 3 0.075
6 2 0.050
7 1 0.025
8 1 0.025
9 0 0.000
10 3 0.075
11 2 0.050
12 4 0.100
13 7 0.175
14 2 0.050
15 3 0.075
16 3 0.075
17 2 0.050
18 8 0.200
19 0 0
20 1 0.025
21 3 0.075
22 2 0.050
57
b) El punto p
18
cae fuera de los lmites de control y el punto p
13
est muy prximo. Al
determinar la causa que produjo su comportamiento se les elimina y se recalculan p y
los lmites de control (para usarlos durante abril):

p
est
= 42 = 0.0525
20(40)


( )
0 LIC
0525 . 0 LC
1583 . 0
40
0525 . 0 1 0525 . 0
3 0525 . 0 LSC
=
=
=

+ =
20 10 0
0.2
0.1
0.0
Sample Number
P
r
o
p
o
r
t
i
o
n
P Chart con lmites revisados
1
1
P=0.0525
UCL=0.1583
LCL=0
GRAFICA DE CONTROL p
P Chart > Estimate > Omit > 13 18
c) Para el prximo mes se utilizarn estos lmites revisados para que conforme se
tomen las muestras de cortadoras inmediatamente se verifique si el proceso
permanece en control o no.

Las muestras debern ser de tamao n > (5 / 0.0525) = 95.24 para que los
lmites sean vlidos

GRAFICA DE CONTROL p
Ejemplo 1

d) Suponga que la fraccin defectuosa real del proceso aumenta a 0.11. Cul es la
probabilidad de que la grfica lo detecte en la siguiente muestra ?




GRAFICA DE CONTROL p
Ejemplo 1

d) Suponga que la fraccin defectuosa real del proceso aumenta a 0.11. Cul es la
probabilidad de que la grfica lo detecte en la siguiente muestra ?

Sea X ~ BIN (n = 40, p = 0.11)

P [x / n > LSC] = P [x / n > 0.1583]

= P [ x > 40 (0.1583)]

= P [ x > 6.332]

= 1 - 0.8555

= 0.145
GRAFICA DE CONTROL p
Ejemplo 1
GRAFICA DE CONTROL p
ANALISIS DE PATRONES
El proceso es dado como
fuera de control si se viola
alguna de cuatro reglas:


Test 2 debe decir
Eight points in a row


GRAFICA DE CONTROL p
ANALISIS DE PATRONES
El proceso es dado como
fuera de control si se viola
alguna de cuatro reglas:


Test 2 debe decir
Eight points in a row


(si el tamao de las muestras es
variable, los lmites de control
no son constantes y entonces
solo aplica la regla Test 1)
El ingeniero de calidad de una empresa toma muestras de
la produccin diaria con el objeto de elaborar una grfica
p.
La tabla anexa muestra los rechazos encontrados y la
cantidad de piezas revisadas cada da. Si la fraccin
defectuosa de cierto da excede los lmites de control el
ingeniero debe inspeccionar al 100% el lote producido.
a) Determine los lmites de control y contruya la grfica
b) Determine los lmites de control futuros, suponiendo
que se identifican las causas especiales de los puntos fuera
de control.
GRAFICA DE CONTROL p
Ejemplo 2 muestra variable
Rechazos Muestra
20 98
18 104
14 97
16 99
13 97
29 102
21 104
14 101
6 55
6 48
7 50
7 53
9 56
5 49
8 56
9 53
9 52
10 51
9 52
10 47
240 1424
GRAFICA DE CONTROL p
Ejemplo 2
a) Lmites de control

p = x
i
= 240 = 0.16854
n
i
1424

LSC
i
= 0.168 + 3\(0.168)(1-0.168)/n
i


LIC
i
= 0.168 - 3\(0.168)(1-0.168)/n
i



GRAFICA DE CONTROL p
Ejemplo 2
a) Lmites de control

p = x
i
= 240 = 0.16854
n
i
1424

LSC
i
= 0.168 + 3\(0.168)(1-0.168)/n
i


LIC
i
= 0.168 - 3\(0.168)(1-0.168)/n
i


En este caso los lmites de control son variables dependiendo del
tamao n
i
de la muestra
GRAFICA DE CONTROL p
Ejemplo 2
20 10 0
0.3
0.2
0.1
0.0
Sample Number
P
r
o
p
o
r
t
i
o
n
P Chart for C1
P=0.1685
UCL=0.3324
LCL=0.004728
GRAFICA DE CONTROL p
Ejemplo 2
b) Lmites de control (despus de eliminar punto p
6
)

p
est
= x
i
= 240 - 29 = 0.1596
n
i
1424 - 102

LSC = 0.1596 + 3\(0.1596)(1-0.1596)/n
i


LSC = 0.1596 - 3\(0.1596)(1-0.1596)/n
i



Rechazos Muestra
20 98
18 104
14 97
16 99
13 97
29 102
21 104
14 101
6 55
6 48
7 50
7 53
9 56
5 49
8 56
9 53
9 52
10 51
9 52
10 47
GRFICA DE CONTROL np
Se grafica el nmero de unidades defectuosas en la muestra

Es ms fcilmente interpretado por el personal al no requerir de
clculos

Si el tamao de muestra es constante, las grficas p y np muestran el
mismo comportamiento pero a diferente escala

GRFICA DE CONTROL np
La grfica se basa en la aproximacin normal a la binomial

Si X : # de defectuosos en la muestra de tamao n es
una Variable Binomial (n,p)
entonces X ~ Normal ( np,\np (1-p) ) aproximadamente si np > 5

Los lmites de control son:
E[X] 3 D.S. [X]
np 3 \ np (1-p)

Si el tamao de muestra es variable, entonces los lmites de control as
como la lnea central varan de muestra a muestra
GRFICA DE CONTROL np
Si el tamao de muestra no es constante la grfica p tiene limites de
control variables
LSC
i
= p + 3\p (1-p)/n
i


LIC
i
= p - 3\p (1-p)/ n
i


GRFICA DE CONTROL np
Si el tamao de muestra no es constante la grfica p tiene limites de
control variables
LSC
i
= p + 3\p (1-p)/n
i


LIC
i
= p - 3\p (1-p)/ n
i


Si el tamao de muestra no es constante en la grfica np, los lmites de
control as como la lnea central varan de muestra a muestra

LSC
i
= n
i
p + 3 \ n
i
p (1-p)

LIC
i
= n
i
p - 3 \ n
i
p (1-p)
El ingeniero de calidad de una empresa toma muestras de
la produccin diaria con el objeto de elaborar una grfica
np.
La tabla anexa muestra los rechazos encontrados y la
cantidad de piezas revisadas cada da. Si el nmero de
rechazos de cierto da excede los lmites de control el
ingeniero debe inspeccionar al 100% el lote producido.
a) Determine los lmites de control y contruya la grfica
b) Determine los lmites de control futuros, suponiendo
que se identifican las causas especiales de puntos fuera de
control.
GRAFICA DE CONTROL np
Ejemplo 3 muestra variable
Rechazos Muestra
20 98
18 104
14 97
16 99
13 97
29 102
21 104
14 101
6 55
6 48
7 50
7 53
9 56
5 49
8 56
9 53
9 52
10 51
9 52
10 47
240 1424
GRAFICA DE CONTROL np
Ejemplo 3
a) Lmites de control

p = x
i
= 240 = 0.16854
n
i
1424

LSC
i
= 0.168n
i
+ 3\ n
i
(0.168)(1-0.168)

LC
i
= 0.168n
i


LIC
i
= 0.168n
i
- 3\ n
i
(0.168)(1-0.168)

GRAFICA DE CONTROL np
Ejemplo 3
a) Lmites de control

p = x
i
= 240 = 0.16854
n
i
1424

LSC
i
= 0.168n
i
+ 3\ n
i
(0.168)(1-0.168)

LC
i
= 0.168n
i


LIC
i
= 0.168n
i
- 3\ n
i
(0.168)(1-0.168)

GRAFICA DE CONTROL np
Ejemplo 3
20 10 0
30
20
10
0
Sample Number
S
a
m
p
l
e

C
o
u
n
t
NP=7.921
UCL=15.62
LCL=0.2222
GRAFICA DE CONTROL p
Ejemplo 2
0 10 20
0.0
0.1
0.2
0.3
Sample Number
P
r
o
p
o
r
t
i
o
n
P Chart
P=0.1678
UCL=0.3313
LCL=0.004279
GRAFICA DE CONTROL p
Ejemplo 2
0 10 20
0.0
0.1
0.2
0.3
Sample Number
P
r
o
p
o
r
t
i
o
n
P Chart
P=0.1678
UCL=0.3313
LCL=0.004279
20 10 0
30
20
10
0
Sample Number
S
a
m
p
l
e

C
o
u
n
t
NP=7.921
UCL=15.62
LCL=0.2222
NP Chart
GRAFICAS DE CONTROL PARA ATRIBUTOS
Inconvenientes
Pueden no tener Lmite Inferior de Control

A medida que se mejora el proceso (p disminuye)
se requiere incrementar el tamao de los subgrupos (n>5/p)

Tienen desempeo sesgado
(no son muy sensibles para detectar mejoras en p )

La prctica de identificar patrones sistemticos no aleatorios debe
modificarse ya que la distribucin binomial es muy sesgada si p es
pequeo
GRAFICAS DE CONTROL PARA ATRIBUTOS
Se utilizan con muestras grandes (a veces cientos miles)
Por ejemplo, si p = 0.01 se requieren muestras de tamao n > 500

El Costo / unidad de revisar un atributo es menor que el de medir una
caracterstica variable

Son tiles como medida del desempeo de un taller, departamento,
empresa, etc.

Generalmente el desempeo mejora despus de introducir una grfica
para atributos pues la grfica es una representacin visual contnua del
desempeo
OBJETIVOS DE LAS GRAFICAS DE ATRIBUTOS
Estimar la fraccin defectuosa de producto terminado


Estimar el Costo estndar de retrabajo (Costos de Calidad)


Determinar la eficacia de un programa de entrenamiento o de
mantenimiento


Sugerir dnde utilizar grficas de control para variables y / o las
grficas c u .