IV.

Grficos de Control por Atributos

IV. GRFICOS DE CONTROL POR ATRIBUTOS

INTRODUCCIN____________________________________________________
Los diagramas de control por atributos constituyen la herramienta esencial utilizada para controlar caractersticas de calidad cualitativas, esto es, caractersticas no cuantificables numricamente. Ejemplos de tales caractersticas no medibles son la fraccin o porcentaje de unidades defectuosas en la produccin (P), el nmero de unidades defectuosas en la produccin (NP), el nmero de defectos por unidad producida (U), y el nmero de defectos de todas las unidades producidas (C). Al igual que en los grficos de control por variables, el diagrama de atributos representa un estadstico T del proceso (como puede ser el nmero de defectos) frente al nmero de la muestra o al tiempo. Una lnea central representa el valor medio o esperado del estadstico, mientras que los lmites de control suelen definir una zona de control que abarca 3T por encima y por debajo de la lnea central. Estos lmites son escogidos de manera que si el proceso est bajo control, casi la totalidad de los puntos muestrales se halle entre ellos. As, un punto que se encuentra fuera de los lmites de control se interpreta como una evidencia de que el proceso est fuera de control. Adems, incluso si todos los puntos se hallan comprendidos entre los lmites de control, pero se comportan de manera sistemtica o no aleatoria, tambin tendramos un proceso fuera de control (veremos cmo estudiar la existencia de tales patrones no aleatorios mediante los llamados tests para causas especiales).

Lmite superior (LSC) Variable T 3 * T Lnea central Lmite inferior (LIC) Nmero de muestra o tiempo Este tipo de grficos se suele aplicar en situaciones en las que el proceso es una operacin de montaje complicada, y la calidad del producto se mide en trminos de la ocurrencia de disconformidades, del funcionamiento exitoso o fallido del producto, etc. Los diagramas de control por atributos tienen la ventaja de que hacen posible considerar varias caractersticas de calidad al mismo tiempo y clasificar los productos como disconformes si no satisfacen las especificaciones de cualquiera de las caractersticas. Tenemos dos opciones a la hora de realizar un grfico de control por atributos: 1. 2. Podemos comparar un producto con un estndar y clasificarlo como defectuoso o no (grficos P y NP) En el caso de productos complejos, la existencia de un defecto no necesariamente conlleva a que el producto sea defectuoso. En tales casos, puede resultar conveniente clasificar un producto segn el nmero de defectos que presenta (grficos C y U).

Es importante notar que los grficos P, NP, y U permiten trabajar con muestras de tamaos diferentes, mientras que los grficos C estn diseados para muestras de igual tamao. IV - 1

Control Estadstico de la Calidad con MINITAB

TESTS PARA CAUSAS ESPECIALES__________________________________

En cualquiera de los grficos de control por atributos descritos, es posible realizar cuatro tests para determinar la posible existencia de causas especiales que influyan sobre la variabilidad de las observaciones (comportamiento no aleatorio de los datos):

Cada uno de los tests detecta un determinado comportamiento no aleatorio en los datos. Cuando alguno de los tests resulta positivo entonces hay indicios de que la variabilidad de las observaciones se debe a causas especiales, las cuales debern investigarse. Es importante notar que para realizar estos tests todas las muestras han de ser del mismo tamao.

Test 1: un punto situado ms all de los lmites de control

3 Zona A 2 Zona B 1

sigma

Zona C 0 1 2 3 Zona C Zona B Zona A

10

nmero de muestra

IV - 2

IV. Grficos de Control por Atributos

Test 2: nueve puntos consecutivos en el mismo lado

3 Zona A 2 1 Zona B Zona C 0 1 2 3 Zona C Zona B Zona A

sigma

10

15

nmero de muestra

Test 3: seis puntos consecutivos ascendentes o descendentes

3 Zona A 2 Zona B 1

sigma

Zona C 0 1 2 3 Zona C Zona B Zona A

10

nmero de muestra

Test 4: catorce puntos consecutivos alternando arriba y abajo

3 Zona A 2 1 Zona B Zona C 0 1 2 3 Zona C Zona B Zona A

sigma

10

15

nmero de muestra

IV - 3

Control Estadstico de la Calidad con MINITAB

GRFICO P________________________________________________________
Un grfico P es un grfico de control del porcentaje o fraccin de unidades defectuosas (cociente entre el nmero de artculos defectuosos en una poblacin y el nmero total de artculos de dicha poblacin). Los principios estadsticos que sirven de base al diagrama de control P se basan en la distribucin Binomial: supngase que el proceso de produccin funciona de manera estable, de tal forma que la probabilidad de que cualquier artculo no est conforme con las especificaciones es p, y que los artculos producidos sucesivamente son independientes; entonces, si seleccionamos k muestras aleatorias de n artculos del producto cada una, y representando por Xi al nmero de artculos defectuosos en la muestra isima, tendremos que Xi B(n,p). Sabemos que:

xi = np

Xi = np(1 p )
Xi . Observar que n p (1 p ) n

i = Para cada muestra, definimos la v.a. fraccin disconforme muestral como: p i seguir una distribucin Binomial con media y desviacin tpica: p i ]= E[ p E[X i ] =p n p(1 p ) n
y

i ]= Var [ p

Var [X i ] n
2

Por tanto,

i p N n p,

Segn el modelo de Shewart tendremos que:

p (1 p ) n Lnea central = p LSC = p + 3 LIC = p 3 p(1 p ) n

Si p es desconocida, la podemos estimar (observar que tal estimacin se realizar a partir de las k muestras obtenidas, k > 25, tomadas cuando se considera que el proceso est bajo control):

p=

1 k i p k i =1

En caso de que el tamao muestral (ni ) sea diferente para cada subgrupo, a la hora de calcular los lmites segn el modelo de Shewart, podemos optar por: 1. Obtener los lmites usando el ni asociado a cada muestra, con lo que las lneas de control no sern rectas (darn saltos arriba y abajo segn ni disminuya o aumente), Si los ni no difieren mucho unos de otros, podramos tomar n =

2.

1 k ni . k i =1

IV - 4

IV. Grficos de Control por Atributos 3. Tambin se puede optar por tomar un n comn e igual al mayor de los ni , con lo que obtendramos unos lmites de control bastante sensibles, ya que la amplitud de la franja que indica proceso en estado de control es inversamente proporcional al tamao de la muestra.

En esta situacin de tamaos muestrales diferentes, el estimador para p sera:

p=

n p
i =1 k i

n
i =1

Normalmente se usan lmites de control de tres sigmas en el diagrama de control P. Como ya comentamos en el captulo anterior, el uso de lmites de control ms estrechos hacen que el diagrama de control sea ms sensible a pequeos cambios en p, pero ello tambin hace aumentar la probabilidad de que se produzcan falsas alarmas de proceso fuera de control (error de tipo II). Debe advertirse que este diagrama de control se basa en el modelo probabilstico binomial, en el cual se supone que la probabilidad de ocurrencia de un artculo con disconformidad es constante, y que unidades sucesivas en la produccin son independientes. Por otra parte, hay que tener cuidado con la interpretacin de los puntos del diagrama de control que se hallan por debajo del lmite inferior de control. Tales puntos no representan a menudo una mejora real en la calidad del proceso. Frecuentemente son el resultado de errores en el mtodo de inspeccin o recogida de datos.

Ejemplo grfico P: Supongamos que trabajamos en una planta que produce tubos de imagen para televisores. De cada lote producido se extraen algunos tubos y se procede a inspeccionarlos, clasificndolos en defectuosos y no defectuosos. Si alguno de los lotes presenta demasiados tubos defectuosos, se realiza una inspeccin del 100% de las unidades que lo componen. Un grfico P nos permitir, entre otras cosas, saber cundo hemos de realizar una inspeccin completa. Usaremos los datos guardados en el archivo tubos.mtw : Seleccionar Stat > Control Charts > P... Rellenar los campos como se indica:

IV - 5

Control Estadstico de la Calidad con MINITAB

P Chart for Defectuo

3,0SL=0,3324 0,3

Proportion

0,2 P=0,1685 0,1

0,0 0 10 20

-3,0SL=0,004728

Sample Number

Dado que la muestra 6 cae fuera de la zona de control, sera conveniente realizar una inspeccin del 100% de los componentes del lote.

IV - 6

IV. Grficos de Control por Atributos

GRFICO NP______________________________________________________
El diagrama NP est basado en el nmero de unidades defectuosas. Este tipo de grficos permite tanto analizar el nmero de artculos defectuosos como la posible existencia de causas especiales en el proceso productivo. Los principios estadsticos que sirven de base al diagrama de control NP se basan en la distribucin Binomial: Supngase que el proceso de produccin funciona de manera estable, de tal forma que la probabilidad de que cualquier artculo no est conforme con las especificaciones es p, y que los artculos producidos sucesivamente son independientes; entonces, si seleccionamos k muestras aleatorias de n artculos del producto cada una, y representando por Xi al nmero de artculos defectuosos en la muestra i-sima, tendremos que Xi B(n,p).

Sabemos que:

xi = np

Xi = np(1 p )
Xi . Observar que n

i = Para cada muestra, definimos la v.a. fraccin disconforme muestral como: p i seguir una distribucin Binomial con media y desviacin tpica: p i ]= E[ p E[X i ] =p n
y

i ]= Var [ p

Var [X i ] p (1 p ) = n n2

i N np, np(1 p) Por tanto, np n

Segn el modelo de Shewart tendremos que:

LSC = np + 3 np (1 p) Lnea central = np LIC = np 3 np (1 p)

Si p es desconocida, la podemos estimar (observar que tal estimacin se realizar a partir de las k muestras obtenidas, k > 25, tomadas cuando se considera que el proceso est bajo control):

p=

1 k i p k i =1

En caso de que el tamao muestral (ni ) sea diferente para cada subgrupo, a la hora de calcular los lmites segn el modelo de Shewart, podemos optar por:

IV - 7

Control Estadstico de la Calidad con MINITAB

1.

Obtener los lmites usando el ni asociado a cada muestra, con lo que las lneas de control no sern rectas (darn saltos arriba y abajo segn ni disminuya o aumente),

2.

Si los ni no difieren mucho unos de otros, podramos tomar n =

1 k ni . k i =1

3.

Tambin se puede optar por tomar un n comn e igual al mayor de los ni , con lo que obtendramos unos lmites de control bastante sensibles, ya que la amplitud de la franja que indica proceso en estado de control es inversamente proporcional al tamao de la muestra.

En esta situacin de tamaos muestrales diferentes, el estimador para p sera:

p=

n p
i =1 k i

n
i =1

IV - 8

IV. Grficos de Control por Atributos

GRFICO C________________________________________________________
El diagrama C est basado en el nmero total de defectos (o no conformidades) en la produccin. Los principios estadsticos que sirven de base al diagrama de control C se basan en la distribucin de Poisson: Para construir el diagrama de control C empezamos por tomar k muestras X1, X2, ...,XK , de ni unidades cada una, i.e.: Xi = (Xi1, ..., Xi ni ). Sea u el nmero esperado de unidades defectuosas en cada una de las muestras. Para cada muestra se calcula el nmero uij de defectos de la unidad Xij , j = 1,...,ni . Si denotamos por ci al nmero de defectos totales en la muestra i-sima, es claro que c i =

u
j =1

ni

ij

Por otro lado, si denotamos por ui al valor esperado de defectos en la muestra i-sima, tendremos que

ui =

1 ni

u
j =1

ni

ij

. Observar pues que u i =

1 c i , i.e.: c i = u i ni . ni

Notar adems que E c i = E u i ni = ni E u i ni u . Es frecuente suponer que el nmero de defectos (sucesos no habituales) en una poblacin grande sigue una distribucin de Poisson. En este caso, supondremos que ci Po(niu).

[ ]

[ ]

N ni u , ni u Se cumplir que c i n
Segn el modelo de Shewart tendremos que:

LSC = ni u + 3 ni u Lnea central = ni u LIC = ni u 3 ni u

Si u = E[ ui ] es desconocida, la podemos estimar (observar que tal estimacin se realizar a partir de las k muestras obtenidas, k > 25, tomadas cuando se considera que el proceso est bajo control):

= u

1 k ui k i =1

Como el tamao muestral (ni ) es diferente para cada subgrupo, a la hora de calcular los lmites segn el modelo de Shewart, podemos optar por: 1. 2. 3. Obtener los lmites usando el ni asociado a cada muestra, con lo que las lneas de control no sern rectas (darn saltos arriba y abajo segn ni disminuya o aumente), Si los ni no difieren mucho unos de otros, podramos tomar n =

1 k ni . k i =1

Tambin se puede optar por tomar un n comn e igual al mayor de los ni , con lo que obtendramos unos lmites de control bastante sensibles, ya que la amplitud de la franja que indica proceso en estado de control es inversamente proporcional al tamao de la muestra. IV - 9

Control Estadstico de la Calidad con MINITAB Ejemplo grfico C: Supongamos que trabajamos en una planta que produce sbanas blancas. Cada una de las piezas de tela producidas, a partir de las cuales se obtendrn las sbanas, ser considerada como vlida siempre que no tenga ms de un nmero determinado de pequeas manchas. Pretendemos generar un grfico C que nos permita visualizar el nmero de manchas de cada pieza. Usaremos los datos guardados en el archivo sabanas.mtw : Seleccionar Stat > Control Charts > C... Rellenar los campos como se indica:

C Chart for Manchas

8 7 6 3,0SL=7,677

Sample Count

5 4 3 2 1 0 0 10 20 30 40 -3,0SL=0,00E+00 C=2,725

Sample Number

Dado que los puntos parecen seguir un patrn aleatorio y ninguno de ellos cae fuera de los lmites de control de 3 sigma, podemos concluir que el proceso est bajo control. IV - 10

IV. Grficos de Control por Atributos

GRFICO U________________________________________________________
El diagrama U est basado en el nmero de defectos por unidad de inspeccin producida. Los principios estadsticos que sirven de base al diagrama de control U se basan en la distribucin de Poisson: Para construir el diagrama de control U empezamos por tomar k muestras X1, X2, ...,XK , de ni unidades cada una, i.e.: Xi = (Xi1, ..., Xi ni ). Sea u el nmero esperado de unidades defectuosas en cada una de las muestras. Para cada muestra se calcula el nmero uij de defectos de la unidad Xij , j = 1,...,ni . Si denotamos por ci al nmero de defectos totales en la muestra i-sima, es claro que c i =

u
j =1

ni

ij

Por otro lado, si denotamos por ui al valor esperado de defectos en la muestra i-sima, tendremos que

ui =

1 ni

u
j =1

ni

ij

. Observar pues que u i =

1 c i , i.e.: c i = u i ni . ni

Notar adems que E c i = E u i ni = ni E u i ni u . Es frecuente suponer que el nmero de defectos (sucesos no habituales) en una poblacin grande sigue una distribucin de Poisson. En este caso, supondremos que ci Po(ni u). Se cumplir que c i N ni u , ni u n Segn el modelo de Shewart tendremos que:

[ ]

[ ]

y, por tanto,

u . N u i u , n n i

LSC = u + 3 u

ni

Lnea central = u LIC = u 3 u ni

Si u = E[ ui ] es desconocida, la podemos estimar (observar que tal estimacin se realizar a partir de las k muestras obtenidas, k > 25, tomadas cuando se considera que el proceso est bajo control):

= u

1 k ui k i =1

Como el tamao muestral (ni ) es diferente para cada subgrupo, a la hora de calcular los lmites segn el modelo de Shewart, podemos optar por: 1. 2. 3. Obtener los lmites usando el ni asociado a cada muestra, con lo que las lneas de control no sern rectas (darn saltos arriba y abajo segn ni disminuya o aumente), Si los ni no difieren mucho unos de otros, podramos tomar n =

1 k ni . k i =1

Tambin se puede optar por tomar un n comn e igual al mayor de los ni , con lo que obtendramos unos lmites de control bastante sensibles, ya que la amplitud de la franja que indica proceso en estado de control es inversamente proporcional al tamao de la muestra. IV - 11

Control Estadstico de la Calidad con MINITAB

EJEMPLOS DE APLICACIN_________________________________________
Ejemplo 1: Una compaa electrnica manufactura circuitos en lotes de 500 y quiere controlar la proporcin de circuitos con fallos. Con este fin examina 20 lotes, obteniendo en cada lote el nmero de circuitos defectuosos que se indican en el archivo circuitos.mtw . Pretendemos analizar si el proceso est bajo control estadstico a partir de un grfico P:

P Chart for defectuo

1 0,04 3,0SL=0,03878

Proportion

0,03

0,02 0,01

P=0,02000

0,00 0 10 20

-3,0SL=0,001217

Sample Number

TEST 1. One point more than 3,00 sigmas from center line. Test Failed at points: 2 Se observa que ha fallado el contraste 1 para causas especiales, lo cual indica que el proceso est fuera de control estadstico.

IV - 12

IV. Grficos de Control por Atributos Ejemplo 2: Una compaa textil utiliza un grfico del nmero de defectos por unidad para controlar el nmero de defectos por metro cuadrado de tejido. El tejido se presenta en rollos de un metro de anchura y longitud variable, definindose la unidad de inspeccin como un metro cuadrado de tejido. Tras la inspeccin de 25 rollos se obtuvieron los datos de superficie (en metros cuadrados) y nmero de defectos por rollo almacenados en el archivo textil.mtw . Se pretende analizar si el proceso est o no bajo control usando un grfico U.

U C hart for defectos

0 ,7 0 ,6 3 ,0 S L =0 ,5 7 4 0

Sample Count

0 ,5 0 ,4 0 ,3 0 ,2 0 ,1 0 ,0 0 5 10 15 20 25 -3 ,0 S L = 0 ,0 0 2 0 7 6 U =0 ,2 8 8 0

S am ple Num ber

A partir del grfico anterior se concluye que el proceso parece estar bajo control estadstico, ya que no se observan problemas de puntos fuera de control, tendencias, ciclos, etc. Ejemplo 3: Se utiliza un grfico del nmero de defectos C para controlar el nmero de automviles con pintura defectuosa en nuevas series fabricadas recientemente. 20 series del mismo modelo son inspeccionadas y el nmero de automviles con pintura defectuosa se ha registrado en el archivo autos.mtw . Estudiar si el proceso est o no bajo control.

C C h a rt fo r d e fe c tu o
15 1 3 ,0 S L = 1 3 ,6 7

Sample Count

10

C = 6 ,2 0 0 5

0 0 10 20

-3 ,0 S L = 0 ,0 0 E + 0 0

S a m p le N u m b e r

A partir del grfico anterior, se observa que el proceso no parece estar bajo control estadstico. IV - 13