P. 1
cartas atributos p

cartas atributos p

|Views: 230|Likes:
Publicado porEdgar Carpio

More info:

Published by: Edgar Carpio on Oct 16, 2011
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PPTX, PDF, TXT or read online from Scribd
See more
See less

11/07/2015

pdf

text

original

DIAGRAMAS O FICHAS DE CONTROL PARA ATRIBUTOS

Los diagramas de control por atributos son una herramienta esencial para
controlar características de calidades cualitativas, no cuantificables
numéricamente.

- La fracción o porcentaje de unidades defectuosas (p) en la producción
- El número de unidades defectuosas (np) en la producción
- El número de defectos por unidad (u) producida
- El número de defectos (c) de todas las unidades producidas.
Los diagramas de control de atributos tienen la ventaja de que hacen
posible considerar varias características de calidad al mismo tiempo y clasificar
los productos como disconformes si no satisfacen las especificaciones de
cualquiera de las características. Por otra parte, si se manejan las diversas
características de calidad como variables, entonces habrá que medir cada una
de ellas y utilizar separadamente un diagrama para cada una, o bien alguna
técnica de control multivariante en la que se consideren a la vez todas las
características. Hay una evidente sencillez asociada al diagrama de atributos
en este caso. Además, con la inspección por atributos pueden evitarse
mediciones costosas en recursos y tiempo.
Y
DIAGRAMA DE CONTROL PARA EL PORCENTAJE O FRACCION DE
UNIDADES DEFECTUOSAS. DIAGRAMA P (FRACCION DE
DISCONFORMIDADES)
La fracción (o proporcion), el porcentaje o fracción de unidades
defectuosas se define como el cociente del número de artículos
defectuosos en una población entre el número total de artículos de
la citada población. Los artículos pueden tener varias
características de calidad que se examinan simultáneamente. En
general, expresamos la fracción de unidades defectuosas como un
número decimal, aunque se usa en ocasiones el llamado
porcentaje de unidades defectuosas.
Los principios estadísticos del diagrama de control de la fracción o proporción
disconforme se basan en la distribución Binomial. Entonces cada artículo
producido es una variable aleatoria de Bernoulli, con parámetro p. Si se
selecciona una muestra aleatoria de n artículos del producto, y si D representa
el número de artículos no conformes en la muestra, entonces D tiene
distribución binomial con parámetros n y p cuya distribución es:
n x q p
n
x
x D p
x n x
,...., 1 , 0 ; ) ( =
|
|
.
|

\
|
= =
÷
n D P / =
.
.
P
Donde la variable aleatoria D tiene media np y varianza npq.

A partir de la variable aleatoria D se puede definir la variable a.
que se denomina fracción disconforme muestral.

La distribución de
puede calcularse a partir de la distribución binomial con media

DIAGRAMA "P" CON PATRÓN DADO
Suponiendo que se conoce la verdadera fracción disconforme p en el proceso
de fabricación, o que la administración le asigna un valor estándar.
Para calcular los límites de control de Shewart sabemos que si T es un
estadístico muestral que mide la característica de calidad de interés, y la
media de T es µ
T
y su desviación estándar, es o
T
, entonces la línea central, y
los límites superior e inferior del gráfico de control k-sigmas de Shewart son:
Donde k es la distancia entre los límites de control y la línea central, expresada
en desviaciones estándares
Los límites de control 3 sigmas de Shewart para cada muestra es:
n
p p
p LC
) 1 (
3
÷
± =
Línea central = p
n D P / =
.
Límites probabilísticos de control
) 1 , 0 (
) 1 (
N
n
P p
p P
÷
÷
÷
.
Para un o dado, podremos calcular Z
o/2

o
o o
÷ =
|
|
|
|
.
|

\
|
s
÷
÷
s ÷
.
1
) 1 (
2 / 2 /
Z
n
P p
p P
Z p
o
o o
÷ =
÷
+ s s
÷
÷ =
.
1 )
) 1 ( ) 1 (
(
2 / 2 /
n
p p
Z p P
n
p p
Z p p
Obtenemos los límites probabilisticos
n
p p
Z p LC
) 1 (
2 /
÷
± =
o
“n” NO CONSTANTE
Si el tamaño de cada muestra es n
i
para i=l,...,k, una vez que tenemos limites
de control para cada muestra, podemos optar por graficarlos tal y como se
obtienen, con lo que las líneas de control no serán líneas rectas
DIAGRAMA "P" SIN PATRÓN DADO
Suponiendo ahora que no se conoce la verdadera fracción disconforme p
n D P
i
/ =
.
p
i
P
.
m
p
mn
D
p
i
m
i
¿
¿
.
= =
Se calcula en cada una la fracción muestral disconforme
Se considera el estadístico
Como la media de los
Este estadístico
será el estimador de p.
o 3
Los límites de control de Shewart, se construyen, sustituimos p
por su estimador
p
Y se denomina Limites de control
n
p p
p LC
) 1 (
3
÷
± =
p línea central
Ejemplo 1: Para establecer el control de atributos se extrajeron 25 muestras de
50 piezas cada una. Los resultados se muestran en la tabla siguiente
Muestra D p = D/n Muestra D p = D/n
1. 4 0.08
2. 2 0.04
3. 4 0.08
4. 1 0.02
5. 4 0.08
6. 4 0.08
7. 3 0.06
8. 7 0.14
9. 1 0.02
10. 4 0.08
11. 2 0.04
12. 1 0.02
13. 4 0.04
14. 1 0.02
15. 5 0.10
16. 3 0.06
17. 4 0.08
18. 1 0.02
19. 2 0.04
20. 4 0.08
21. 4 0.08
22. 5 0.10
23. 3 0.06
24. 2 0.04
25. 0 0.00
Tabla Nro 1. Resultados de un proceso para n=50.
06 . 0
1250
75
) 50 )( 25 (
75
= = = =
¿
mn
D
p
i
n
p p
p LC
) 1 (
3
÷
± =
0 ) (
50
) 94 . 0 ( 06 . 0
3 06 . 0
16 . 0
50
) 94 . 0 ( 06 . 0
3 06 . 0
= = ÷ =
= + =
negativo LCI
LCS
23 21 19 17 15 13 11 9 7 5 3 1
0.18
0.16
0.14
0.12
0.10
0.08
0.06
0.04
0.02
0.00
Muestra
P
r
o
p
o
r
c
i
ó
n
_
P=0.0617
LCS=0.1637
LCI=0
Gráfica P de D
De acuerdo a la carta de control de la fracción defectuosa se observa que
todos los puntos están dentro de los límites, por lo tanto, el proceso está
bajo control.
Ejemplo 2: Se envasa jugo de naranja concentrado y congelado en botes de cartón de 6 oz.
Estos envases los produce una maquina formando un tubo a partir de una pieza de cartón
y aplicando luego un fondo metálico. Al inspeccionar un bote puede determinarse al
llenarlo si goteará por la junta lateral o la del fondo. Tal bote disconforme tiene un sellado
inadecuado en la junta lateral o del fondo. Se desea elaborar un diagrama de control para
vigilar la fracción de envases disconformes producidos por esta máquina.
Para establecer el diagrama de control, se seleccionan 30 muestras de n = 50
botes cada media hora durante un periodo de tres turnos, en los cuales la maquina operó
continuamente. Los datos se muestran en la siguiente tabla.
Numero numero de fracc
de disconform disconf
Muestra D p = D/n
Numero numero fracc
Muestra disconf disconf
D p = D/n
1. 12 0.24
2. 15 0.30
3. 8 0.16
4. 10 0.20
5. 4 0.08
6. 7 0.14
7. 16 0.32
8. 9 0.18
9. 14 0.28
10. 10 0.20
11. 5 0.10
12. 6 0.12
13. 17 0.34
14. 12 0.24
15. 22 0.44
16. 8 0.16
17. 10 0.20
18. 5 0.10
19. 13 0.26
20. 11 0.22
21. 20 0.40
22. 18 0.36
23. 24 0.48
24. 15 0.30
25. 9 0.18
26. 12 0.24
27. 7 0.14
28. 13 0.26
29. 9 0.18
30. 6 0.12
2313 . 0
) 50 )( 30 (
347
= = =
¿
mn
D
p
i
0524 . 0
50
) 7687 . 0 ( 2313 . 0
3 2313 . 0
4102 . 0
50
) 7687 . 0 ( 2313 . 0
3 2313 . 0
= ÷ =
= + =
LCI
LCS
28 25 22 19 16 13 10 7 4 1
0.5
0.4
0.3
0.2
0.1
0.0
Muestra
P
r
o
p
o
r
c
i
ó
n
_
P=0.2313
LCS=0.4102
LCI=0.0524
1
1
Gráfica P de D
Dos puntos, correspondientes a las muestras 15 y 23, se encuentran por arriba del
límite superior de control por lo tanto el proceso está fuera de control. Hay que
investigar estos puntos para ver si se puede determinar alguna causa atribuible.
Realizado el análisis, los datos de la muestra 15 indican que se utilizó una nueva
remesa de materia prima de cartón en la producción durante este lapso de media
hora. El uso de las nuevas remesas de materia prima provoca, a veces, una
producción irregular, y es razonable pensar que esto sucedió aquí. Además, durante
el periodo de media hora, en el que se obtuvo la muestra 23, se había asignado a
esta máquina un operador con relativamente poca experiencia, y por ello podría
explicar la alta fracción disconforme de dicha muestra.
Por consiguiente, eliminando las muestras 15 y 23 se determinan la nueva línea
central y los límites revisados que son:
2150 . 0
) 50 )( 28 (
301
= = =
¿
mn
D
p
i
0407 . 0
50
) 7850 . 0 ( 2150 . 0
3 2150 . 0
3893 . 0
50
) 7850 . 0 ( 2150 . 0
3 2150 . 0
= ÷ =
= + =
LCI
LCS
28 25 22 19 16 13 10 7 4 1
0.4
0.3
0.2
0.1
0.0
Muestra
P
r
o
p
o
r
c
i
ó
n
_
P=0.215
LCS=0.3893
LCI=0.0407
1
Gráfica P de C2
Se puede observar que la fracción disconforme de la muestra 21 es ligeramente mayor
que el límite revisado de control superior. Realizado el análisis de los datos no revela
una causa atribuible razonable o lógica, y se decide conservar el punto.
A veces, la verificación de datos de un diagrama proporciona información que
afecta a otros puntos no necesariamente fuera de los límites de control.

Antes de concluir si el proceso está bajo control a este nivel, tenemos que
examinar las 28 muestras restantes para detectar corridas u otros patrones no
aleatorios. No existe fuerte evidencia de otra cosa que no sea un patrón aleatorio
de variación respecto de la línea central.
Concluimos, a pesar de que un punto está fuera de los limites de control que
el proceso está bajo control al nivel de p = 0.2150, y que deben adoptar los
límites de control revisados para verificar la producción actual. El proceso
funciona de manera estable, y que no hay problemas anormales que no
pueda controlar el operario, es improbable que se pueda mejorar la calidad
del proceso mediante acciones al nivel del trabajador.

La administración de la fábrica está de acuerdo con esta observación y
determina que, además de adoptar el programa de diagramas de control, el
personal de ingeniería debe analizar el proceso para mejorar el rendimiento.
Tal estudio indica que es posible realizar varios ajustes en la maquina, los
cuales deberán mejorar su funcionamiento.
Durante los tres turnos que siguen a los ajustes en la maquina y a la continuación
del diagrama de control, se obtienen 24 muestras más de n = 50 observaciones
cada una. Los datos se muestran a continuación:
Numero número de fracción
de disconform disconfor
Muestra D p = D/n
Numero numero fracc
Muestra disconf disconf
D p = D/n
1. 9 0.18
2. 6 0.12
3. 12 0.24
4. 5 0.10
5. 6 0.12
6. 4 0.08
7. 5 0.10
8. 3 0.06
9. 7 0.14
10. 6 0.12
11. 2 0.04
12. 4 0.08
13. 3 0.06
14. 6 0.12
15. 5 0.10
16. 4 0.08
17. 8 0.16
18. 5 0.10
19. 6 0.12
20. 7 0.14
21. 5 0.10
22. 6 0.12
23. 3 0.06
24. 4 0.08
23 21 19 17 15 13 11 9 7 5 3 1
0.25
0.20
0.15
0.10
0.05
0.00
Muestra
P
r
o
p
o
r
c
i
ó
n
_
P=0.1092
LCS=0.2415
LCI=0
Gráfica P de C2
N no constante
Ejemplo. Consideremos los siguientes datos tomados de 25 muestras
Tabla Nro 6. Valores para el diagrama de control con tamaño muestral
variable
numero de tamaño de disconformidades fracción
muestra i muestra n
i
D
i
p
i
=D
i
/n
i

1 100 12 0.12
2 80 8 0.1
3 80 6 0.075
4 100 9 0.09
5 110 10 0.09090909
6 110 12 0.10909091
7 100 11 0.11
8 100 16 0.16
9 90 10 0.11111111
10 90 6 0.06666667
11 110 20 0.18181818
12 120 15 0.125
13 120 9 0.075
14 120 8 0.06666667
15 110 6 0.05454545
16 80 8 0.1
17 80 10 0.125
18 80 7 0.0875
19 90 5 0.05555556
20 100 8 0.08
21 100 5 0.05
22 100 8 0.08
23 100 10 0.1
24 90 6 0.06666667
25 90 9 0.1
Total 2450 234
0955 . 0
2450
234
= = =
¿
¿
i
i
n
D
p
¦
¦
¹
¦
¦
´
¦
= ÷ =
= + =
=
0
80
) 9045 . 0 ( 0955 . 0
3 0955 . 0
194 . 0
80
) 9045 . 0 ( 0955 . 0
3 0955 . 0
80
LCI
LCS
n
¦
¦
¹
¦
¦
´
¦
= ÷ =
= + =
=
003 . 0
90
) 9045 . 0 ( 0955 . 0
3 0955 . 0
188 . 0
90
) 9045 . 0 ( 0955 . 0
3 0955 . 0
90
LCI
LCS
n
¦
¦
¹
¦
¦
´
¦
= ÷ =
= + =
=
007 . 0
100
) 9045 . 0 ( 0955 . 0
3 0955 . 0
184 . 0
100
) 9045 . 0 ( 0955 . 0
3 0955 . 0
100
LCI
LCS
n
¦
¦
¹
¦
¦
´
¦
= ÷ =
= + =
=
011 . 0
110
) 9045 . 0 ( 0955 . 0
3 0955 . 0
180 . 0
110
) 9045 . 0 ( 0955 . 0
3 0955 . 0
110
LCI
LCS
n
¦
¦
¹
¦
¦
´
¦
= ÷ =
= + =
=
015 . 0
120
) 9045 . 0 ( 0955 . 0
3 0955 . 0
176 . 0
120
) 905 . 0 ( 0955 . 0
3 0955 . 0
120
LCI
LCS
n
25 23 21 19 17 15 13 11 9 7 5 3 1
0.20
0.15
0.10
0.05
0.00
Muestra
P
r
o
p
o
r
c
i
ó
n
_
P=0.0955
LCS=0.1885
LCI=0.0026
1
Gráfica P de D
Las pruebas se realizaron con tamaños de la muestra desiguales
El segundo método es basar el diagrama de control en un tamaño muestral
promedio, lo que da como resultado un conjunto aproximado de límites de
control. Para los datos de la tabla 6, se tiene:
98
25
2450
25
25
1
= = =
¿
= i
i
n
P
n
p p
p LC
) 1 (
3
÷
± =
0064 . 0
98
) 9045 . 0 ( 0955 . 0
3 0955 . 0
1846 . 0
98
) 9045 . 0 ( 0955 . 0
3 0955 . 0
= ÷ =
= + =
LCI
LCS
25 23 21 19 17 15 13 11 9 7 5 3 1
0.20
0.15
0.10
0.05
0.00
Muestra
P
r
o
p
o
r
c
i
ó
n
_
P=0.0955
LCS=0.1846
LCI=0.0064
1
Gráfica P de D
CURVA CARACTERÍSTICA DE OPERACIÓN PARA EL DIAGRAMA “P"
Ejemplo: La tabla Nro 8 ilustra los cálculos necesarios con el objeto de generar la
curva CO para el diagrama de control de la fracción disconforme con los
parámetros n = 50, LCI = 0.0303 y LCS = 0.3697. Al aplicar estos parámetros con
la ecuación:
p p(Ds 18|p) p(D s 2|p) p(D s 18|p) - p(D s 2|p)
0.01
0.03
0.05
0.10
0.15
0.20
0.25
0.30
0.35
0.40
0.45
0.50
0.55
1.0000
1.0000
1.0000
1.0000
0.9999
0.9975
0.9713
0.8594
0.6216
0.3356
0.1273
0.0325
0.0053
0.9862
0.8108
0.5405
0.1117
0.0142
0.0013
0.0001
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0138
0.1892
0.4595
0.8883
0.9857
0.9962
0.9712
0.8594
0.6216
0.3356
0.1273
0.0325
0.0053
Ejercicios:
1. Un gerente desea estudiar la proporción de reclamaciones en seguros
de automóviles, reclamaciones realizadas por fichas incorrectamente
llenadas (no conformes). Con base en algunos datos se estima que el
porcentaje de no conformes es 20%. Se desea con una precisión del 10%
y con un nivel de confianza del 95% estimar el tamaño de muestra
adecuado para realizar el estudio.
Supongamos que después de tomar una muestra de 1537 el valor de p = 0.17, entonces, el
valor real estará entre 0.15 y 0.19 (
Nota: Usando el criterio de 5% de precisión directamente:
Usando el criterio de 10% de precisión directamente:
2. Dado la siguiente tabla. Botellas defectuosas encontradas en 20 muestras
3. En la empresa “x”se fabrican
válvulas. Después del proceso de
fundición se hace una inspección y
las piezas que no cumplen con ciertas
características son rechazadas. Las
razones por las que pueden ser
rechazadas son diversas: piezas
incompletas, porosas, mal formadas,
etc.
Para evaluar la variabilidad y la
magnitud de la proporción de piezas
defectuosas en el proceso de
fundición se decide implantar una
carta p. El proceso se trabaja en
lotes; los datos obtenidos durante una
semana se muestran en la siguiente
tabla
Válvulas defectuosas en el
proceso de fundición
DIAGRAMA DE CONTROL DEL NÚMERO DE UNIDADES DEFECTUOSAS.
DIAGRAMA "np".
Es posible basar un diagrama de control en el número de unidades defectuosas
(o número disconforme) en vez de en la fracción de unidades defectuosas o
(fracción no conforme).
Diagrama "np" con patrón dado
Supongamos que se conoce la verdadera fracción disconforme p en
el proceso de fabricación, o que la administración le asigna un valor
estándar. Para construir el diagrama de control np se toman muestras
subsecuentes de n unidades (subgrupos), se calcula en cada una la
fracción muestral disconforme
.
P
y se grafica el estadístico
n
.
P

la línea central, y los límites superior e inferior del gráfico de control k-sigmas
de Shewart son
LCS = µ
T
+ k o
T

Línea central = µ
T

LCI = µ
T
- k o
T

límites de control 3-sigmas de Shewart :
np central linea
p np np LCS
=
÷ ± =
.
) 1 ( 3
límites probabilísticos
) 1 , 0 (
) 1 (
N
p np
np P n
÷
÷
÷
.
o
o o
÷ =
|
|
|
.
|

\
|
s
÷
÷
s ÷
.
1
) 1 (
2 / 2 /
z
p np
np P n
z p
) 1 ( ) 1 (
2 / 2 /
p np z np P p np z np ÷ + s s ÷ ÷ ·
.
o o
Obtenemos los límites probabilísticos
) 1 (
2 /
p np z np LC ÷ ± =
o
DIAGRAMA "np" SIN PATRÓN DADO
Supongamos ahora que no se conoce la verdadera fracción
disconforme p en el proceso de fabricación. Para construir el diagrama
de control del número de unidades defectuosas hay que estimar p, para
lo que se toman k muestras subsecuentes de n unidades (subgrupos),
se calcula en cada una la fracción muestral disconforme
¿
.
=
i
p p ) 1 ( 3 p p n p n LC ÷ ± =
“n” NO CONSTANTE
( )
( ) 0 , ) 1 ( 3
.
, ) 1 ( 3
p p n p n Max LCI
P n central linea
n p p n p n Min LCS
i i
i
i i i
÷ ÷ =
=
÷ + =
Ejemplo: Cartas de np, para conocer la cantidad de defectuosos en la muestra
o el lote con n constante.
Nro de la Muestra 1 2 3 4 5 6 7 8 9 10 11 12 Total
np 23 15 17 15 41 0 25 31 29 0 8 16 220
Resultados del numero de defectuosos de 12 muestras (n=200)

34 . 18 ) 0917 . 0 ( 200 0917 . 0
2400
220
= = = = p n y p
) 1 ( 3 p p n p n LC ÷ ± =
1 . 6 24 . 12 34 . 18
58 . 30 24 . 12 34 . 18
= ÷ =
= + =
LCI
LCS
12 11 10 9 8 7 6 5 4 3 2 1
40
30
20
10
0
Muestra
C
o
n
t
e
o

d
e

m
u
e
s
t
r
a
s
__
NP=18.33
LCS=30.58
LCI=6.09
1
1
1
1
Gráfica NP de C2
Ejemplo: tamaño de las muestras no constantes. Resultado de 7 muestras.
Tabla Nro 5. Resultados para muestras diferentes

0488 . 0
6800
332
= = =
¿
¿
i
i i
n
p n
p
Muestras n
i
np
i

1. 1000 35
2. 1000 12
3. 1000 40
4. 1300 122
5. 1300 66
6. 600 38
7. 600 19
Totales 6800 332
CURVA CARACTERÍSTICA DE OPERACIÓN PARA EL DIAGRAMA "np"

La curva característica de operación del diagrama de control del número de
unidades defectuosas es una representación gráfica de la probabilidad de
aceptar incorrectamente la hipótesis de un control estadístico (es decir, un
error tipo II o |) contra el número de unidades defectuosas del proceso
Como D
i
es una variable aleatoria Binomial con parámetros n
i
y
p, | puede obtenerse a partir de la función de distribución de la
Binomial.
|=P{D
i
s LCS|p} – P{D
i
s LCI|p}
Ejercicio 1. Un fabricante de latas de aluminio registra el número de partes
defectuosas, tomando muestras cada hora de n = 50, con 30 subgrupos.
Realizar la gráfica de control p para la siguiente serie de datos obtenida
durante el muestreo. Además, calcule grafique la curva OC.

Muestra Latas defectuosas Muestra Latas defectuosas
np np
1 12 16 8
2 15 17 10
3 8 18 5
4 10 19 13
5 4 20 11
6 7 21 20
7 16 22 18
8 9 23 24
9 14 24 15
10 10 25 9
11 5 26 12
12 6 27 7
13 17 28 13
14 12 29 9
15 22 30 6
DIAGRAMA DE CONTROL DEL NÚMERO DE DEFECTOS

(DISCONFORMIDADES) O DIAGRAMA C
Si se considera el número de defectos por unidad de inspección producida en
el proceso se obtienen los diagramas u o diagramas de control del número de
defectos por unidad. Si se considera el número total de defectos en la
producción se obtienen los diagramas c o diagramas del número de defectos.
Por ejemplo: suponga que se fabrican computadoras personales, cada unidad
podría tener uno o mas desperfectos menores en el acabado de la caja, y debido
a que no afectan seriamente su funcionamiento, se podría clasificar como
conforme. Sin embargo, al tener demasiados desperfectos se tendría que
clasificar la computadora como no conforme, ya que aquellos serían evidentes
para el consumidor, y podrían afectar la venta de la unidad. Hay muchos casos
prácticos en los que es preferible trabajar directamente con el número de
defectos o disconformidades, en vez de hacerlo con la fracción no conforme.
Algunos ejemplos son la cantidad de soldaduras defectuosas en 100 m de
oleoducto, el número de remaches rotos en un ala de un avión, la cantidad de
defectos funcionales en un dispositivo lógico electrónico, etc.
DIAGRAMA "C" CON PATRÓN DADO

En la mayoría de los casos, la unidad de inspección será una sola unidad del
producto, aunque no necesariamente siempre es así. La unidad de inspección es
sencillamente una entidad apropiada para registrar los defectos. Podría ser un
grupo de 5 artículos, 10 artículos etc. Supongamos que los defectos ocurren en
esta unidad de inspección según una distribución de Poisson.
Donde x representa el número de disconformidades y c es el parámetro de la
distribución de Poisson. La media y la varianza son iguales al parámetro c.
Los limites de control de Shewart son:
LCS = µ
T
+ ko
T

Línea central = µ
T

LCI= µ
T
- ko
T

Los límites de control 3-sigmas de Shewart
para cada muestra como:
c c LC 3 ± =
Línea central = c = n
i
µ .
límites probabilisticos
) 1 , 0 ( N
c
c c
i
÷
÷
o
o o
÷ =
|
.
|

\
|
s
÷
s ÷ 1
2 / 2 /
z
c
c c
z p
i
c z c c c z c
i 2 / 2 / o o
+ s s ÷
c z c LC
2 / o
± =
n no constante

El tamaño de cada muestra es n
i
para i=l,...,k , y una vez que tenemos limites de
control para cada muestra, podemos optar por graficarlos tal y como se obtienen,
con lo que las líneas de control no serán líneas rectas. Una opción útil cuando los
tamaños n
i
no difieren mucho, es tomar como valor común n del tamaño de todas
las muestras la media de los n
i
para i=l,...,k (n=En
i
/k). También se puede optar por
tomar un n común e igual al mayor valor de los n
i
, con lo que obtendríamos unos
límites de control bastante sensibles, ya que la amplitud de la franja que indica
proceso en estado de control es inversamente proporcional al tamaño de la
muestra. Pero en la mayoría de los casos n suele ser igual para todas las muestras,
con lo que el problema se reduce
DIAGRAMA "C" SIN PATRON DADO

Si nos se da un valor estándar, se podrá estimar c como la media observada
del número de disconformidades en una muestra preliminar de unidades de
inspección, digamos
c
. En este caso, el diagrama tendrá parámetros.
c central linea
c c LC
=
± =
..
3
n no constante

No obstante, cuando los tamaños de los subgrupos o muestras n
i
son muy
distintos, suelen tomarse para cada muestra los siguientes límites de control k-
sigmas:
) 0 , (
..
2 /
2 /
µ µ
µ
µ µ
o
o
i i
i
i i
n u n Max LCI
n central linea
n u n LCS
÷ =
=
+ =
Ejemplo. La tabla siguiente muestra el número de disconformidades
observadas en 26 muestras sucesivas, cada una con 100 tarjetas de circuitos
impresos.
Tabla. Datos para el numero de disconformidades en muestras de 100 tarjetas
de circuito impresos.
Numero
de
Muestra
Numero de
disconfor
midades
Numero
de
muestra
Numero de
Disconformid
ades
1
2
3
4
5
6
7
8
9
10
11
12
13
21
24
16
12
15
5
28
20
31
25
20
24
16
14
15
16
17
18
19
20
21
22
23
24
25
26
19
10
17
13
22
18
39
30
24
16
19
17
15
¹
´
¦ =
=
= ± = ± =
21 . 33
48 . 6
85 . 19 3 85 . 19 3
LCS
LCI
c c LC
25 22 19 16 13 10 7 4 1
40
30
20
10
0
Muestra
C
o
n
t
e
o

d
e

m
u
e
s
t
r
a
s
_
C=19.85
LCS=33.21
LCI=6.48
1
1
Gráfica C de C1
Dos puntos caen fuera de los límites de control, las muestras 6 y 20. La
investigación de la muestra 6 reveló que un inspector nuevo había examinado
las tarjetas de dicha muestra y no reconoció varios tipos de disconformidades
que podrían haber estado presentes. Además, el numero demasiado grande
de disconformidades en la muestra 20 se debió a un problema en el control de
la temperatura en la máquina de soldar en onda, el cual se resolvió
inmediatamente. Por lo tanto, parece razonable excluir estas dos muestras y
revisar los límites de control de prueba.

67 . 19
24
472
= = c
¹
´
¦
=
=
= ± = ± =
97 . 32
37 . 6
67 . 19 3 67 . 19 3
LCS
LCI
c c LC
Numero de
Muestra
Numero de
disconformidades
Numero de
muestra
Numero de
disconformidades
1
2
3
4
5
6
7
8
9
10
16
18
12
15
24
21
28
20
25
19
11
12
13
14
15
16
17
18
19
20
18
21
16
22
19
12
14
9
16
21
Ejercicio.
Tabla Nro.. Datos para el numero de disconformidades en muestras de 100
tarjetas de circuito impresos.
Análisis adicional de disconformidades. Los datos con respecto a defectos o no
conformidades siempre contienen más información que la fracción disconforme,
porque habrá normalmente tipos distintos de no conformidades. Analizando las
disconformidades según el tipo, muchas veces puede tener una idea de sus
causas. Por ejemplo, en el proceso de las tarjetas de circuitos impresos, hay 16
tipos de defectos En la Fig 5-10 se presentan los datos de los defectos en 500
tarjetas.
Análisis de pareto de no conformidades para el proceso de tarjetas de circuitos
impresos
Más de 60% del total de disconformidades se debe a dos tipos de defectos:
insuficiencias y juntas frías de soldadura. Si se pudieran aislar y eliminar esos
problemas, habría un aumento notable en la producción del proceso. Nótese que
las no conformidades siguen la distribución de Pareto; es decir, puede atribuirse la
mayoría de los defectos a unos pocos (en este caso dos) tipos de
disconformidades.
En este proceso se fabrican varios tipos de tarjetas de circuitos impresos. Por lo
tanto, puede ser útil examinar la ocurrencia del tipo de defecto por tipo de tarjeta
(número de catálogo). La tabla siguiente contiene tal información.
Componen
te
Faltante
Componente
Dañado (no)
Componente
sobrante
Código
de
defecto
Envoltura
de tarjeta
en bruto
Tarjeta
en bruto
dañada
Soldadura
escasa
Soldadura
abierta
Soldadura
juntas frias
Numero de parte:
- Frecuencia %
- % de fila
- % de Columna
0001285
1
1.02
1.41
50.00

0
0.00
0.00
0.00

0
0.00
0.00
0.00

0.
0.00
0.00
0.00

0.
0.00
0.00
0.00

1
1.02
1.41
100.00

0.
0.00
0.00
0.00

5
5.10
7.04
71.43

20
20.41
28.17
100.00
Numero de parte:
- Frecuencia %
- % de fila
- % de Columna
0001481
1
1.02
3.70
50.00

2
2.04
7.41
100.00

2
6.12
22.22
100.00

6
3.06
11.11
100.00

3
0.00
0.00
0.00

0.
0.00
0.00
0.00

1
1.02
3.70
100.00

2
2.04
7.41
28.57

0.
0.00
0.00
0.00
Numero de parte:
- Frecuencia %
- % de fila
- % de Columna
0006429
0
0.00
0.00
0.00

0
0.00
0.00
0.00

0
0.00
0.00
0.00

0
0.00
0.00
0.00

0.
0.00
0.00
0.00

0.
0.00
0.00
0.00

0.
0.00
0.00
0.00

0.
0.00
0.00
0.00

0.
0.00
0.00
0.00
TOTAL 2
2.04
2
2.04
2
2.04
6
6.12
3
3.06
1
1.02
1
1.02
7
7.14
20
20.41
Soldadura
insuficiente
Salpicadura de
soldadura
Estampado faltante Codigo de
defecto ID
Marca de
prueba blanca
M
Marca de
prueba EC
Alambrado
incorrecto
Unidades
correctas

Total
Numero de parte:
- Frecuencia %
- % de fila
- % de Columna
0001285
40
40.82
56.34
100.00

0
0.00
0.00
0.00

0
0.00
0.00
0.00

0
0.00
0.00
0.00

2
2.04
2.82
66.67

1
1.02
1.41
100.00

1
1.02
1.41
100.00

0
0.00
0.00
0.00

71
72.45
Numero de parte:
- Frecuencia %
- % de fila
- % de Columna
0001481
0
0.00
0.00
0.00

5
5.10
18.52
100.00

1
1.02
3.70
100.00

1
1.02
3.7010100.
00

1
1.02
3.70
33.33

2
2.04
7.41
66.67

0
0.00
0.00
0.00

0
0.00
0.00
0.00

27
27.55
Numero de parte:
- Frecuencia %
- % de fila
- % de Columna
0006429
0
0.00
0.00
0.00

0
0.00
0.00
0.00

0
0.00
0.00
0.00

0
0.00
0.00
0.00

0.
0.00
0.00
0.00

0.
0.00
0.00
0.00

0.
0.00
0.00
0.00

0
0.00
0.00
0.00

0
0.00
TOTAL 40
40.82
5
5.10
1
1.02
1
1.02
3
3.06
3
3.06
1
1.02
0
0.00
98
100.00
Obsérvese que las 40 insuficiencias de soldaduras y las 20 juntas frías de soldadura
ocurrieron para el mismo número de pieza, 0001285. Ello implica que este tipo
particular de tarjetas es muy susceptible a problemas de soldadura en onda, y se tiene
que poner atención especial a fin de mejorar este paso del proceso para dicho número
de pieza, 0001285. Ello implica que este tipo particular de tarjetas es muy susceptible a
problemas de soldadura en onda, y se tiene que poner especial atención a fin de
mejorar este paso del proceso para dicho numero de pieza
Otra técnica útil para un análisis adicional de disconformidades es el diagrama de
causa y efecto
Calculo de la curva CO para un diagrama de c, con LCS = 33.22 y LCI = 6.48
C P(x s
33|c)
P(x s 7|c) | = P(x s 33|c)- P(x s
7|c)
1
3
5
7
10
15
20
25
30
33
35
40
45
1.000
1.000
1.000
1.000
1.000
0.999
0.995
0.945
0.709
0.500
0.367
0.131
0.037
0.999
0.988
0.866
0.598
0.222
0.018
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.001
0.012
0.134
0.402
0.778
0.981
0.995
0.945
0.709
0.500
0.367
0.131
0.037
DIAGRAMA DE CONTROL DEL NUMERO DE DEFECTOS FOR UNIDAD O
DIAGRAMA “u”

Es posible basar un diagrama de control en el número de defectos por unidad de
inspección en vez de en el número total de defectos. Si se considera el número
de defectos por unidad de inspección producida en el proceso se obtienen los
diagramas u o diagramas de control del número de defectos por unidad.
DIAGRAMA “u” CON PATRÓN DADO
para cada subgrupo el número de defectos c
i
sigue una distribución de Poisson
de parámetro n
i
u
los limites superior e inferior del gráfico de control k-sigmas de Shewart
son:
LCS = µ
T
+ ko
T

Línea central =µ
T

LCI = µ
T
- ko
T

límites de control 3-sigmas de Shewart para
cada muestra como:
u central linea
n u u LC
i
=
± =
..
/ 3
u
n u u
k
i
i
/
1
¿
=
=
Diagrama "u " sin patrón dado
Supongamos ahora que no se conoce el número esperado u de defectos por
unidad de inspección producida en el proceso de fabricación. Para construir el
diagrama de control del número de defectos por unidad hay que estimar u,
para lo que se toman k muestras subsecuentes de n
i
unidades (subgrupos), se
calcula en cada una el número de defectos por unidad u
i
, y se considera el
estadístico definido come la media de los u
i
.
Este estadístico


será el estimador de u.
limites de control 3-sigmas:
n u u n u u u LC
i
/ 3 /
2 /
± = ± =
o
Ejemplo: Un fabricante de computadoras personales desea establecer un
diagrama de control de disconformidades por unidad en la línea de montaje
final. Se seleccionan como tamaño muestral cinco computadoras. Los datos
respecto al número de no conformidades en 20 muestras, de cinco
computadoras cada una, aparecen en la tabla siguiente.

Numero de
muestra
Tamaño
Muestral, n
Número total de
Disconformidades,
Número promedio
De disconformidades
u = c/n
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
10
12
8
14
10
16
11
7
10
15
9
5
7
11
12
6
8
10
7
5
2.0
2.4
1.6
2.8
2.0
3.2
2.2
1.4
2.0
3.0
1.8
1.0
1.4
2.2
2.4
1.2
1.6
2.0
1.4
1.0
Total 193 38.6
93 . 1
20
60 . 38
= = =
¿
n
u
u
¹
´
¦ =
=
= ± = ± =
79 . 3
07 . 0
5 / 93 . 1 3 93 . 1 / 3
LCS
LCI
n u u LC
19 17 15 13 11 9 7 5 3 1
4
3
2
1
0
Muestra
C
o
n
t
e
o

d
e

m
u
e
s
t
r
a
s

p
o
r

u
n
i
d
a
d
_
U=1.93
LCS=3.794
LCI=0.066
Gráfica U de C3
Los datos preliminares no presentan una falta de control estadístico; por lo tanto, se
adoptarían los límites de control de prueba para el control actual. Una vez más nótese que
el número medio de disconformidades por unidad es demasiado alto, aunque el proceso
se encuentre bajo control. Aún cuando se tarta de disconformidades no funcionales o de
apariencia, hay demasiadas. La administración debe emprender acciones para mejorar el
proceso.
Ejemplo tamaño muestral variable: una fábrica de acabado de tejidos, se
inspeccionan telas teñidas para detectar los defectos en 50 metros cuadrados. Los
datos para diez rollos de tela se presentan en la tabla siguiente:
Num
ero
De
Roll
o
Cantida
d de
Metros
cuadrad
os
Número
total
de
disconfo
r-
midades
Número de
unidades de
inspección
por rollo, n
Numero de
disconformid
ades por
unidad de
inspección
1
2
3
4
5
6
7
8
9
10
500
400
650
500
475
500
600
525
600
625
14
12
20
11
7
10
21
16
19
23
10.0
8.0
13.0
10.0
9.5
10.0
12.0
10.5
12.0
12.5
1.40
1.50
1.54
1.10
0.74
1.00
1.75
1.52
1.58
1.84
153 107.50
42 . 1
5 . 107
153
= = u
i
n u u LC / 3 ± =
¦
¦
¹
¦
¦
´
¦
= ÷ =
= + =
= =
29 . 0
500
42 . 1
3 42 . 1
55 . 2
500
42 . 1
3 42 . 1
500
LCI
LCS
n
¦
¦
¹
¦
¦
´
¦
= ÷ =
= + =
= =
16 . 0
400
42 . 1
3 42 . 1
68 . 2
400
42 . 1
3 42 . 1
400
LCI
LCS
n
¦
¦
¹
¦
¦
´
¦
= ÷ =
= + =
= =
43 . 0
650
42 . 1
3 42 . 1
41 . 2
650
42 . 1
3 42 . 1
650
LCI
LCS
n
………………………………..
10 9 8 7 6 5 4 3 2 1
0.06
0.05
0.04
0.03
0.02
0.01
0.00
Muestra
C
o
n
t
e
o

d
e

m
u
e
s
t
r
a
s

p
o
r

u
n
i
d
a
d
_
U=0.02847
LCS=0.04871
LCI=0.00822
Gráfica U de C3
Las pruebas se realizaron con tamaños de la muestra desiguales
SISTEMA DE CALIFICACION DE LA CALIDAD

SISTEMAS DE DEMERITO
Cuando se realiza control de calidad en procesos que producen productos
complejos, como automóviles, computadoras, etc. suele observarse que
pueden tener lugar muchos tipos de disconformidades o defectos. No todos los
defectos tienen la misma importancia. Probablemente una unidad del producto
con un defecto muy grave se clasificaría como no conforme respecto a los
requisitos, pero una unidad con varios defectos menores no necesariamente
tendría que ser disconforme. En tales situaciones, necesitaremos tener un
método para clasificar las no conformidades o defectos de acuerdo con su
gravedad y ponderar los diversos tipos de defectos de alguna manera
razonable, en otras palabras, todas las no conformidades y las unidades no
conformes tuvieron el mismo peso, independientemente de su gravedad. Por
ejemplo: al evaluar sillones de escritorio, uno podría tener 5 no conformidades,
todas ellas relacionadas con el acabado superficial, mientras que otro podría
tener una no conformidad que podría ser una pata rota. El sillón con 5 no
conformidades triviales se puede usar, y tiene una influencia 5 veces mayor
sobre la grafica de atributos que el sillón con una disconformidad, tan grave que
no se puede usar. Esta situación presenta una evaluación incorrecta de la
calidad del producto. Con un sistema de calificación de calidad se corrige esta
deficiencia.
Hay muchos casos en los que se quiere comparar el desempeño de
los operadores, turnos, fábricas o vendedores. Para comparar el
desempeño de calidad, se necesita un sistema de calificación de la
calidad para clasificar, ponderar y evaluar las no conformidades.
La clasificación suele denominarse esquema de deméritos. La
clasificación más sencilla suele ser la siguiente:
Defectos muy graves a defectos de clase A: La unidad es completamente inadecuada
para el uso o fallará en servicio de tal manera que no se pueda reparar con facilidad en
el lugar de trabajo, o bien ocasionará lesiones personales o daños materiales.
* Defectos graves a defectos de clase B: La unidad tiene posibilidades de sufrir un fallo
que puede ser muy grave durante el servicio, generará seguramente problemas
operacionales menos graves, o con seguridad reducirá su duración o incrementará los
costos de mantenimiento.
* Defectos moderadamente importantes o de clase C: La unidad probablemente fallará
durante el servicio, causará problemas menos graves que un fallo de operación, tendrá
tal vez duración reducida, producirá un aumento en los costos de mantenimiento, o
bien tendrá un defecto importante en el acabado, la presentación o la calidad del
trabajo.
* Defectos poco importantes o de clase D: La unidad no fallará durante el servicio, pero
presenta defectos menores en el acabado, la presentación o la calidad del trabajo.
Otra clasificación de no conformidades.
De acuerdo con su gravedad:
• No conformidades criticas. Es aquella que por la experiencia y a juicio,
probablemente cause condiciones peligrosas o inseguras a los individuos que la
usen o mantengan, o, dependiendo del producto o servicio, una no conformidad
que, por la experiencia y a juicio, es probable que evite el funcionamiento del
producto o servicio.
• No conformidades mayores. Es aquella que no siendo critica, es probable que
cause la falla, o que reduzca materialmente el uso del producto o servicio en su
finalidad pretendida.
• No conformidades menores. Es aquella que probablemente no reduzca
materialmente los usos del producto o servicio en su finalidad pretendida. Las
no conformidades menores suelen relacionarse con la apariencia.
Resumiendo, una conformidad critica si afecta al uso. Una conformidad mayor,
podría afectar los usos. Una conformidad menor no afecta los usos del producto.
Observación: en algunos sistemas se usan 4 clases, en otras tres, etc,
depende de la complejidad del producto.
Grafica de control
Para contar deméritos por unidad se establecen y trazan gráficos de control.
Un demerito por unidad se define con la formula:
Donde D = Deméritos por unidad
Los valores de D, calculados con la formula, se anotan en la grafica para cada
sub grupo.
La línea central y los límites de control 3σ se obtienen con las siguientes
formulas:
Ejemplo: Suponiendo que se use el sistema de ponderación con las tres
clases 9:3:1, determinar la línea central y los limites de control cuando
y n= 40. También calcular los deméritos por unidad para el 25 de mayo, cuando
las no conformidades criticas son 2, no conformidades mayores son 26 y no
conformidades menores son 160 para las 40 unidades confeccionadas eses día.
El grupo del 25 de mayo ¿está en control o fuera de control?
Subgrupo del 25 de mayo:

DIAGRAMA DE CONTROL PARA EL PORCENTAJE O FRACCION DE UNIDADES DEFECTUOSAS. DIAGRAMA P (FRACCION DE DISCONFORMIDADES)

La fracción (o proporcion), el porcentaje o fracción de unidades defectuosas se define como el cociente del número de artículos defectuosos en una población entre el número total de artículos de la citada población. Los artículos pueden tener varias características de calidad que se examinan simultáneamente. En general, expresamos la fracción de unidades defectuosas como un número decimal, aunque se usa en ocasiones el llamado porcentaje de unidades defectuosas.

Los principios estadísticos del diagrama de control de la fracción o proporción disconforme se basan en la distribución Binomial. Entonces cada artículo producido es una variable aleatoria de Bernoulli, con parámetro p. Si se selecciona una muestra aleatoria de n artículos del producto, y si D representa el número de artículos no conformes en la muestra, entonces D tiene distribución binomial con parámetros n y p cuya distribución es:

 n  x n x p( D  x)    p q ; x  0,1,....,n    x Donde la variable aleatoria D tiene media np y varianza npq.
A partir de la variable aleatoria D se puede definir la variable a. que se denomina fracción disconforme muestral. La distribución de

P  D/n

P

puede calcularse a partir de la distribución binomial con media

DIAGRAMA "P" CON PATRÓN DADO Suponiendo que se conoce la verdadera fracción disconforme p en el proceso de fabricación, o que la administración le asigna un valor estándar. Para calcular los límites de control de Shewart sabemos que si T es un estadístico muestral que mide la característica de calidad de interés, y la media de T es T y su desviación estándar, es T, entonces la línea central, y los límites superior e inferior del gráfico de control k-sigmas de Shewart son:

Donde k es la distancia entre los límites de control y la línea central, expresada en desviaciones estándares Los límites de control 3 sigmas de Shewart para cada muestra es: P 
LC  p  3 p (1  p ) n

D/n

Línea central = p

Límites probabilísticos de control
P p p (1  P ) n

 N (0,1)

Para un  dado, podremos calcular Z/2

  p  Z  / 2    

  P p  Z / 2   1    p (1  P)  n 

p  ( p  Z / 2

p (1  p )   P  p  Z / 2 n
LC  p  Z  / 2

p (1  p ) )  1 n
p(1  p ) n

Obtenemos los límites probabilisticos “n” NO CONSTANTE

Si el tamaño de cada muestra es ni para i=l,...,k, una vez que tenemos limites de control para cada muestra, podemos optar por graficarlos tal y como se obtienen, con lo que las líneas de control no serán líneas rectas

DIAGRAMA "P" SIN PATRÓN DADO Suponiendo ahora que no se conoce la verdadera fracción disconforme p Se calcula en cada una la fracción muestral disconforme Se considera el estadístico  Pi  D / n  p p m  i Como la media de los Pi Este estadístico p  D mn m i  será el estimador de p. se construyen. Los límites de control de Shewart. sustituimos p por su estimador p Y se denomina Limites de control 3 p (1  p ) LC  p  3 n p línea central .

94) LCI  0.06  3  0.02 0.04 0.02 0.02 0. 15. D 1 5 3 4 1 2 4 4 5 3 2 0 p = D/n  Di  75  75  0.06(0.06 p (1  p ) LC  p  3 0.Ejemplo 1: Para establecer el control de atributos se extrajeron 25 muestras de 50 piezas cada una.10 0.04 0. 2 12. Los resultados se muestran en la tabla siguiente Tabla Nro 1. 25. 4 6. 2 3. Muestra D 1. 4 p = D/n 0.08 0.06 0. 20. 4 4. 1 10.04 Muestra 14.06 0.06 p 0. 1 5.02 0. 4 7.04 0.10 50 0.08 0. 21. 17. 7 9.02 mn (25)(50) 1250 0.08 0.14 0.08 n 0.08 0. 19.06(0.16 0.08 0.08 0. Resultados de un proceso para n=50. 22.08 50 0.04 0. 4 2.94) LCS  0. 23. 1 13. 4 11. 3 8.06  3  (negativo)  0 0. 24. 16. 18.00 .

1637 Proporción 0.16 0.10 0.08 0.12 LCS=0. por lo tanto.14 0.18 0.00 1 3 5 7 9 11 13 15 Muestra 17 19 21 23 LCI=0 _ P=0. .04 0. el proceso está bajo control.02 0.Gráfica P de D 0.0617 De acuerdo a la carta de control de la fracción defectuosa se observa que todos los puntos están dentro de los límites.06 0.

Tal bote disconforme tiene un sellado inadecuado en la junta lateral o del fondo.30 0.30 25.24 0.2313(0. 6 13.18 0.22 21.16 17.34 0.40 22.10 0. Al inspeccionar un bote puede determinarse al llenarlo si goteará por la junta lateral o la del fondo.14 0. 4 6. 15 3.36 23. 5 12. 14 10.26 29. Estos envases los produce una maquina formando un tubo a partir de una pieza de cartón y aplicando luego un fondo metálico. 5 0. Numero numero de de disconform Muestra D 1.32 0. 18 0.48 24.12 0. 8 4. Se desea elaborar un diagrama de control para vigilar la fracción de envases disconformes producidos por esta máquina.2313 (30)(50) LCS  0.14 28.18 26. 9 9.2313(0.24 0.Ejemplo 2: Se envasa jugo de naranja concentrado y congelado en botes de cartón de 6 oz.12 p D mn i  347  0. 16 8.2313  3 0. 9 0. 9 0.44 Numero numero fracc Muestra disconf disconf D p = D/n 16.10 19. 12 2.20 18. 7 0. 24 0.20 0. 15 0.26 20.08 0. se seleccionan 30 muestras de n = 50 botes cada media hora durante un periodo de tres turnos. 11 0. 12 15. 10 0. 6 0. 20 0. en los cuales la maquina operó continuamente.28 0.2313  3 LCI  0. 10 11.4102 50 0. 22 fracc disconf p = D/n 0.20 0. 17 14. 8 0. 13 0.7687)  0.0524 50 . Los datos se muestran en la siguiente tabla. Para establecer el diagrama de control.18 30. 10 5. 13 0. 7 7. 12 0.7687)  0.24 27.16 0.

Hay que investigar estos puntos para ver si se puede determinar alguna causa atribuible.2 0. Además. durante el periodo de media hora. Realizado el análisis. una producción irregular. a veces.0 1 4 7 10 13 16 Muestra 19 22 25 28 Dos puntos.0524 0. los datos de la muestra 15 indican que se utilizó una nueva remesa de materia prima de cartón en la producción durante este lapso de media hora. en el que se obtuvo la muestra 23. se había asignado a esta máquina un operador con relativamente poca experiencia.2313 0.5 1 1 0. El uso de las nuevas remesas de materia prima provoca.1 LCI=0. .3 _ P=0. y es razonable pensar que esto sucedió aquí. correspondientes a las muestras 15 y 23. y por ello podría explicar la alta fracción disconforme de dicha muestra.4 LCS=0. se encuentran por arriba del límite superior de control por lo tanto el proceso está fuera de control.4102 Proporción 0.Gráfica P de D 0.

2150(0.2150 (28)(50) LCS  0.3893 50 0.0 1 4 7 10 13 16 Muestra 19 22 25 28 Se puede observar que la fracción disconforme de la muestra 21 es ligeramente mayor que el límite revisado de control superior. .2150  3 Gráfica P de C2 0.3893 0.0407 50 0.2150  3 LCI  0.7850)  0.2150(0. eliminando las muestras 15 y 23 se determinan la nueva línea central y los límites revisados que son: p D mn i  301  0.0407 0. y se decide conservar el punto. Realizado el análisis de los datos no revela una causa atribuible razonable o lógica.Por consiguiente.4 1 LCS=0.215 0.1 LCI=0.2 _ P=0.3 Proporción 0.7850)  0.

Tal estudio indica que es posible realizar varios ajustes en la maquina. y que no hay problemas anormales que no pueda controlar el operario. el personal de ingeniería debe analizar el proceso para mejorar el rendimiento. No existe fuerte evidencia de otra cosa que no sea un patrón aleatorio de variación respecto de la línea central. la verificación de datos de un diagrama proporciona información que afecta a otros puntos no necesariamente fuera de los límites de control. Antes de concluir si el proceso está bajo control a este nivel. tenemos que examinar las 28 muestras restantes para detectar corridas u otros patrones no aleatorios. es improbable que se pueda mejorar la calidad del proceso mediante acciones al nivel del trabajador. La administración de la fábrica está de acuerdo con esta observación y determina que. a pesar de que un punto está fuera de los limites de control que el proceso está bajo control al nivel de p = 0. los cuales deberán mejorar su funcionamiento. además de adoptar el programa de diagramas de control. .A veces.2150. El proceso funciona de manera estable. Concluimos. y que deben adoptar los límites de control revisados para verificar la producción actual.

2415 0.14 0.15 _ P=0.25 Gráfica P de C2 LCS=0. 6 0. 12 4. 3 0.12 20.12 0. 4 0.Durante los tres turnos que siguen a los ajustes en la maquina y a la continuación del diagrama de control.12 15.12 23. 2 12.00 1 3 5 7 9 11 13 15 Muestra 17 19 21 23 LCI=0 . 3 9.10 16. 4 0. 7 0.16 18.08 Numero numero fracc Muestra disconf disconf D p = D/n 13. 6 11.20 Proporción 0.10 0.1092 0. 4 7. 5 0. 6 0. 5 0.08 0.05 0.08 0.12 0. 3 0. 6 3.12 0.10 0.18 0. 6 6. 5 8.06 24. 7 10.10 22.10 19. 8 0. 5 0. 9 2. se obtienen 24 muestras más de n = 50 observaciones cada una. Los datos se muestran a continuación: Numero número de de disconform Muestra D 1.04 0. 5 5.08 17. 6 0.06 0. 4 fracción disconfor p = D/n 0.14 21.24 0.10 0.06 14.

06666667 0.18181818 0.125 0.1 0.09090909 0.125 0.10909091 0.1 0. Consideremos los siguientes datos tomados de 25 muestras Tabla Nro 6.075 0.0875 0.1 2450 234 .08 0.05454545 0.06666667 0.05 0.05555556 0.11111111 0.06666667 0.12 0. Valores para el diagrama de control con tamaño muestral variable numero de tamaño de disconformidades fracción muestra i 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 Total muestra ni 100 80 80 100 110 110 100 100 90 90 110 120 120 120 110 80 80 80 90 100 100 100 100 90 90 Di 12 8 6 9 10 12 11 16 10 6 20 15 9 8 6 8 10 7 5 8 5 8 10 6 9 pi=Di/ni 0.08 0.075 0.16 0.09 0.N no constante Ejemplo.11 0.1 0.

015  120  .180  LCS  0.0955(0.184  LCS  0.011  110   0.9045)  0.0955(0.9045)  0.9045)  0  80   0.0955(0.0955  3 100  n  100  LCI  0.003  90   0.9045)  0.0955(0.0955(0.905)  0.0955  3 110  n  110  LCI  0.0955  3 120  n  120  LCI  0.0955  3 0.194  80  n  80  LCI  0.9045)  0.0955(0.9045)  0.0955  3 0.9045) LCS  0.0955  3 0.0955  3 0.0955  3  0.D p n i i 234   0.0955(0.0955  3 0.176  LCS  0.9045)  0.9045)  0.0955(0.0955(0.0955 2450  0.0955  3 90  n  90  LCI  0.188  LCS  0.007  100   0.0955(0.

1885 0.0026 Las pruebas se realizaron con tamaños de la muestra desiguales .10 _ P=0.0955 0.15 Proporción 0.00 1 3 5 7 9 11 13 15 Muestra 17 19 21 23 25 LCI=0.Gráfica P de D 0.20 1 LCS=0.05 0.

El segundo método es basar el diagrama de control en un tamaño muestral promedio. lo que da como resultado un conjunto aproximado de límites de control. Para los datos de la tabla 6.00 1 3 5 7 9 11 13 15 Muestra 17 19 21 23 25 LCI=0.0955 0.0955(0.9045)  0.05 0.10 _ P=0.20 LCS=0.0064 98 Gráfica P de D 1 0. se tiene: 2450 P   98 25 25 i 1 n 25 i LC  p  3 p (1  p ) n LCS  0.0064 .0955  3 LCI  0.0955(0.0955  3 0.9045)  0.1846 98 0.15 Proporción 0.1846 0.

CURVA CARACTERÍSTICA DE OPERACIÓN PARA EL DIAGRAMA “P" Ejemplo: La tabla Nro 8 ilustra los cálculos necesarios con el objeto de generar la curva CO para el diagrama de control de la fracción disconforme con los parámetros n = 50. LCI = 0.3697. Al aplicar estos parámetros con la ecuación: .0303 y LCS = 0.

55 p(D 18|p) 1.9999 0.0000 0.0325 0.0000 0.0053 .50 0.8594 0.0000 0.0000 1.0053 p(D  2|p) 0.0325 0.0000 p(D  18|p) .9862 0.30 0.01 0.9712 0.8883 0.0000 0.p 0.9857 0.45 0.05 0.0000 1.5405 0.1892 0.6216 0.9713 0.0000 0.0013 0.8108 0.3356 0.15 0.9975 0.0000 1.03 0.35 0.1117 0.20 0.0142 0.25 0.0000 0.0001 0.10 0.6216 0.1273 0.1273 0.4595 0.3356 0.40 0.p(D  2|p) 0.8594 0.9962 0.0138 0.

17. Con base en algunos datos se estima que el porcentaje de no conformes es 20%. Se desea con una precisión del 10% y con un nivel de confianza del 95% estimar el tamaño de muestra adecuado para realizar el estudio. entonces.19 ( Nota: Usando el criterio de 5% de precisión directamente: Usando el criterio de 10% de precisión directamente: .Ejercicios: 1. Un gerente desea estudiar la proporción de reclamaciones en seguros de automóviles. reclamaciones realizadas por fichas incorrectamente llenadas (no conformes). el valor real estará entre 0. Supongamos que después de tomar una muestra de 1537 el valor de p = 0.15 y 0.

Dado la siguiente tabla. Botellas defectuosas encontradas en 20 muestras .2.

etc. los datos obtenidos durante una semana se muestran en la siguiente tabla Válvulas defectuosas en el proceso de fundición . Las razones por las que pueden ser rechazadas son diversas: piezas incompletas. El proceso se trabaja en lotes.3. porosas. mal formadas. Después del proceso de fundición se hace una inspección y las piezas que no cumplen con ciertas características son rechazadas. En la empresa “x”se fabrican válvulas. Para evaluar la variabilidad y la magnitud de la proporción de piezas defectuosas en el proceso de fundición se decide implantar una carta p.

Para construir el diagrama de control np se toman muestras subsecuentes de n unidades (subgrupos). DIAGRAMA "np".k T LCS  np  3 np(1  p) linea. Diagrama "np" con patrón dado Supongamos que se conoce la verdadera fracción disconforme p en el proceso de fabricación.central  np . Es posible basar un diagrama de control en el número de unidades defectuosas (o número disconforme) en vez de en la fracción de unidades defectuosas o (fracción no conforme). se calcula en cada una la  fracción muestral disconforme  n P y se grafica el estadístico P la línea central. o que la administración le asigna un valor estándar. y los límites superior e inferior del gráfico de control k-sigmas de Shewart son límites de control 3-sigmas de Shewart : LCS = T + k T Línea central = T LCI = T .DIAGRAMA DE CONTROL DEL NÚMERO DE UNIDADES DEFECTUOSAS.

1)    n P  np   p  z / 2   z / 2   1   np(1  p)      np  z / 2 np(1  p)  P  np  z / 2 np(1  p) Obtenemos los límites probabilísticos  LC  np  z / 2 np(1  p) .límites probabilísticos n P  np np(1  p )   N (0.

0     .DIAGRAMA "np" SIN PATRÓN DADO Supongamos ahora que no se conoce la verdadera fracción disconforme p en el proceso de fabricación. ni linea. se calcula en cada una la fracción muestral disconforme p   pi  LC  n p  3 n p(1  p) “n” NO CONSTANTE LCS  Min ni p  3 ni p(1  p) .central  ni P LCI  Max ni p  3 ni p(1  p) . para lo que se toman k muestras subsecuentes de n unidades (subgrupos). Para construir el diagrama de control del número de unidades defectuosas hay que estimar p.

para conocer la cantidad de defectuosos en la muestra o el lote con n constante.1 1 40 1 30 LCS=30.34 Total 220 LC  n p  3 n p(1  p) Gráfica NP de C2 Conteo de muestras LCS  18. Resultados del numero de defectuosos de 12 muestras (n=200) Nro de la Muestra np p 220  0.34  12.58 LCI  18.0917)  18.Ejemplo: Cartas de np.24  6.0917 2400 1 2 3 4 5 6 7 8 9 10 11 12 23 15 17 15 41 0 25 31 29 0 8 16 y n p  200(0.09 0 1 2 3 4 5 1 1 6 7 Muestra 8 9 10 11 12 .34  12.58 20 __ NP=18.33 10 LCI=6.24  30.

6. Resultado de 7 muestras.0488 6800 . 5. 4. Resultados para muestras diferentes Muestras 1. Totales i ni npi 1000 35 1000 12 1000 40 1300 122 1300 66 600 38 600 19 6800 332 i n p p n i  332  0. 2. 7. 3.Ejemplo: tamaño de las muestras no constantes. Tabla Nro 5.

=P{Di  LCS|p} – P{Di  LCI|p} .CURVA CARACTERÍSTICA DE OPERACIÓN PARA EL DIAGRAMA "np" La curva característica de operación del diagrama de control del número de unidades defectuosas es una representación gráfica de la probabilidad de aceptar incorrectamente la hipótesis de un control estadístico (es decir. un error tipo II o ) contra el número de unidades defectuosas del proceso Como Di es una variable aleatoria Binomial con parámetros ni y p.  puede obtenerse a partir de la función de distribución de la Binomial.

Ejercicio 1. tomando muestras cada hora de n = 50. Realizar la gráfica de control p para la siguiente serie de datos obtenida durante el muestreo. calcule grafique la curva OC. Un fabricante de latas de aluminio registra el número de partes defectuosas. Muestra 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 Latas defectuosas np 12 15 8 10 4 7 16 9 14 10 5 6 17 12 22 Muestra 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 Latas defectuosas np 8 10 5 13 11 20 18 24 15 9 12 7 13 9 6 . con 30 subgrupos. Además.

Si se considera el número total de defectos en la producción se obtienen los diagramas c o diagramas del número de defectos. cada unidad podría tener uno o mas desperfectos menores en el acabado de la caja. ya que aquellos serían evidentes para el consumidor. Hay muchos casos prácticos en los que es preferible trabajar directamente con el número de defectos o disconformidades. Algunos ejemplos son la cantidad de soldaduras defectuosas en 100 m de oleoducto. . y debido a que no afectan seriamente su funcionamiento. y podrían afectar la venta de la unidad. Por ejemplo: suponga que se fabrican computadoras personales. en vez de hacerlo con la fracción no conforme. al tener demasiados desperfectos se tendría que clasificar la computadora como no conforme.DIAGRAMA DE CONTROL DEL NÚMERO DE DEFECTOS (DISCONFORMIDADES) O DIAGRAMA C Si se considera el número de defectos por unidad de inspección producida en el proceso se obtienen los diagramas u o diagramas de control del número de defectos por unidad. etc. la cantidad de defectos funcionales en un dispositivo lógico electrónico. Sin embargo. se podría clasificar como conforme. el número de remaches rotos en un ala de un avión.

. la unidad de inspección será una sola unidad del producto. Supongamos que los defectos ocurren en esta unidad de inspección según una distribución de Poisson. La unidad de inspección es sencillamente una entidad apropiada para registrar los defectos. La media y la varianza son iguales al parámetro c. aunque no necesariamente siempre es así. Podría ser un grupo de 5 artículos. 10 artículos etc. Donde x representa el número de disconformidades y c es el parámetro de la distribución de Poisson.DIAGRAMA "C" CON PATRÓN DADO En la mayoría de los casos.kT Los límites de control 3-sigmas de Shewart para cada muestra como: LC  c  3 c Línea central = c = ni . Los limites de control de Shewart son: LCS = T + kT Línea central = T LCI= T .

ya que la amplitud de la franja que indica proceso en estado de control es inversamente proporcional al tamaño de la muestra..límites probabilisticos ci  c c  N (0. es tomar como valor común n del tamaño de todas las muestras la media de los ni para i=l.. y una vez que tenemos limites de control para cada muestra....k (n=ni/k).. Una opción útil cuando los tamaños ni no difieren mucho..1) c c   p  z / 2  i  z / 2   1   c   c  z / 2 c  ci  c  z / 2 c LC  c  z / 2 c n no constante El tamaño de cada muestra es ni para i=l. podemos optar por graficarlos tal y como se obtienen.. con lo que obtendríamos unos límites de control bastante sensibles. con lo que las líneas de control no serán líneas rectas. con lo que el problema se reduce .k . Pero en la mayoría de los casos n suele ser igual para todas las muestras. También se puede optar por tomar un n común e igual al mayor valor de los ni.

central  c n no constante No obstante.DIAGRAMA "C" SIN PATRON DADO Si nos se da un valor estándar.. se podrá estimar c como la media observada del número de disconformidades en una muestra preliminar de unidades de inspección. digamos . c LC  c  3 c linea. cuando los tamaños de los subgrupos o muestras ni son muy distintos.central  ni  LCI  Max(ni   u / 2 ni  .0) . el diagrama tendrá parámetros. En este caso.. suelen tomarse para cada muestra los siguientes límites de control ksigmas: LCS  ni   u / 2 ni  linea.

La tabla siguiente muestra el número de disconformidades observadas en 26 muestras sucesivas.85  3 19 .85 10 LCI=6. Datos para el numero de disconformidades en muestras de 100 tarjetas de circuito impresos. Tabla. cada una con 100 tarjetas de circuitos impresos.48 1 0 1 4 7 10 13 16 Muestra 19 22 25 .21 LC  c  3 c  19 .85    LCI  6.48 Gráfica C de C1 40 1 LCS=33.21 Conteo de muestras 30 20 _ C=19. Numero Numero de Numero Numero de de disconfor de Disconformid Muestra midades muestra ades 1 2 3 4 5 6 7 8 9 10 11 12 13 21 24 16 12 15 5 28 20 31 25 20 24 16 14 15 16 17 18 19 20 21 22 23 24 25 26 19 10 17 13 22 18 39 30 24 16 19 17 15  LCS  33 .Ejemplo.

37 . el numero demasiado grande de disconformidades en la muestra 20 se debió a un problema en el control de la temperatura en la máquina de soldar en onda. c 472  19. La investigación de la muestra 6 reveló que un inspector nuevo había examinado las tarjetas de dicha muestra y no reconoció varios tipos de disconformidades que podrían haber estado presentes.67    LCI  6. parece razonable excluir estas dos muestras y revisar los límites de control de prueba. el cual se resolvió inmediatamente. Además. Por lo tanto.67  3 19 .97 LC  c  3 c  19 . las muestras 6 y 20.67 24  LCS  32 .Dos puntos caen fuera de los límites de control.

Tabla Nro.. Datos para el numero de disconformidades en muestras de 100 tarjetas de circuito impresos. Numero de Muestra 1 2 3 4 5 6 7 8 9 10 Numero de disconformidades 16 18 12 15 24 21 28 20 25 19 Numero de muestra 11 12 13 14 15 16 17 18 19 20 Numero de disconformidades 18 21 16 22 19 12 14 9 16 21 .Ejercicio.

hay 16 tipos de defectos En la Fig 5-10 se presentan los datos de los defectos en 500 tarjetas. Analizando las disconformidades según el tipo.Análisis adicional de disconformidades. en el proceso de las tarjetas de circuitos impresos. Los datos con respecto a defectos o no conformidades siempre contienen más información que la fracción disconforme. muchas veces puede tener una idea de sus causas. porque habrá normalmente tipos distintos de no conformidades. Análisis de pareto de no conformidades para el proceso de tarjetas de circuitos impresos . Por ejemplo.

1 2 0.00 2 2 2 6 3 1 1 7 20 2. puede atribuirse la mayoría de los defectos a unos pocos (en este caso dos) tipos de disconformidades. Nótese que las no conformidades siguen la distribución de Pareto.00 0.00 100.00 0.00 0. es decir. Si se pudieran aislar y eliminar esos problemas.00 5.02 2.04 28. 5 20 1.04 2.00 1.41 22.00 0.00 7.02 0.00 0.00 0.00 0.00 0.00 50.43 100.00 0.00 0.00 0. puede ser útil examinar la ocurrencia del tipo de defecto por tipo de tarjeta (número de catálogo).00 0.00 0.00 1.00 0.04 6.00 0006429 0 0 0 0 0.04 2.00 0. 0.70 7. 0.41 1.00 0. 0. Componen Componente Componente Código Envoltura Tarjeta Soldadura Soldadura Soldadura te Dañado (no) sobrante de de tarjeta en bruto escasa abierta juntas frias Faltante defecto en bruto dañada 0001285 1 0 0 0.00 0.00 100.12 3.12 3.00 0.04 6.41 0.00 0.00 1.00 0.00 71.22 11. 0.57 0.00 0.06 0.00 0. Por lo tanto.00 0.00 0.00 28.02 7.00 100.00 0. 1. 0.00 0.00 3. En este proceso se fabrican varios tipos de tarjetas de circuitos impresos. 1 0.00 0.11 0.10 20.00 0.00 0.70 7.04 0. 0.02 1. La tabla siguiente contiene tal información.Más de 60% del total de disconformidades se debe a dos tipos de defectos: insuficiencias y juntas frías de soldadura.00 0.00 0.00 100.00 0.00 0.06 1.14 20. habría un aumento notable en la producción del proceso.00 0.41 0.00 0.00 0.00 3.00 0001481 1 2 2 6 3 0.00 0.02 2.00 100.02 0.41 Numero de parte: Frecuencia % % de fila % de Columna Numero de parte: Frecuencia % % de fila % de Columna Numero de parte: Frecuencia % % de fila % de Columna TOTAL .41 0.00 0.00 0.17 50.00 0.00 0.

0001285. y se tiene que poner atención especial a fin de mejorar este paso del proceso para dicho número de pieza.00 0.00 0.00 0.00 0.00 0. 0001285.00 3 3.00 40 40.00 0.00 0.00 0.02 3.00 0.00 0 0.55 0 0.00 1 1.33 0.04 7.82 66.00 5 5.00 0.00 0001481 0 0.10 18.04 2.00 0.02 0 0.10 0 0.00 0.00 3 3.00 71 72. 0.00 1 1.02 1 1.00 0.02 1.00 1 1.00 0 0.00 0.02 3.00 0.00 1 1.82 Salpicadura soldadura de Estampado faltante Codigo de defecto ID Marca de prueba blanca M 2 2.00 Obsérvese que las 40 insuficiencias de soldaduras y las 20 juntas frías de soldadura ocurrieron para el mismo número de pieza.00 2 2.00 0. 0.45 27 27.00 0.00 0 0.34 100.67 0.82 56.00 0. Ello implica que este tipo particular de tarjetas es muy susceptible a problemas de soldadura en onda.00 0. y se tiene que poner especial atención a fin de mejorar este paso del proceso para dicho numero de pieza Otra técnica útil para un análisis adicional de disconformidades es el diagrama de causa y efecto .00 5 5.00 0.00 0 0.00 0006429 0 0.00 0.41 100. 00 0 0.70 100.70 33.67 1 1.52 100.00 1 1.41 66.00 0 0.00 0. Ello implica que este tipo particular de tarjetas es muy susceptible a problemas de soldadura en onda.00 0 0.00 0.00 0.41 100.02 1.00 98 100.00 0.00 0.02 0 0.06 1 1.00 0.7010100.Soldadura insuficiente Numero de parte: Frecuencia % % de fila % de Columna Numero de parte: Frecuencia % % de fila % de Columna Numero de parte: Frecuencia % % de fila % de Columna TOTAL 0001285 40 40.00 0.00 0. 0.06 Marca de prueba EC Alambrado incorrecto Unidades correctas Total 0 0.02 3.00 0.00 0.

.

367 0.709 33 0.866 0.500 35 0.48 C P(x 33|c) 1 1.000 0.000 5 1.012 0.500 0.000 0.134 0.037 .000 3 1.000 15 0.000 0.131 45 0.22 y LCI = 6.018 0.001 0.000  = P(x  33|c).000 0.981 0.P(x  7|c) 0.367 40 0.988 0.995 0.131 0.Calculo de la curva CO para un diagrama de c.000 7 1.999 0.000 0. con LCS = 33.598 0.000 10 1.945 0.778 0.995 25 0.000 0.037  P(x  7|c) 0.402 0.709 0.222 0.999 20 0.945 30 0.

.kT límites de control 3-sigmas de Shewart para cada muestra como: LC  u  3 u / ni linea. DIAGRAMA “u” CON PATRÓN DADO para cada subgrupo el número de defectos ci sigue una distribución de Poisson de parámetro niu los limites superior e inferior del gráfico de control k-sigmas de Shewart son: LCS = T + kT Línea central =T LCI = T .DIAGRAMA DE CONTROL DEL NUMERO DE DEFECTOS FOR UNIDAD O DIAGRAMA “u” Es posible basar un diagrama de control en el número de defectos por unidad de inspección en vez de en el número total de defectos. Si se considera el número de defectos por unidad de inspección producida en el proceso se obtienen los diagramas u o diagramas de control del número de defectos por unidad.central  u .

se calcula en cada una el número de defectos por unidad ui. i 1 limites de control 3-sigmas: LC  u  u / 2 u / ni  u  3 u / n . para lo que se toman k muestras subsecuentes de ni unidades (subgrupos). y se considera el estadístico u definido come la media de los ui. Para construir el diagrama de control del número de defectos por unidad hay que estimar u. k Este estadístico u   u i / n será el estimador de u.Diagrama "u " sin patrón dado Supongamos ahora que no se conoce el número esperado u de defectos por unidad de inspección producida en el proceso de fabricación.

93 / 5   3. de cinco computadoras cada una.4 2.93  3 1.0 u 38 .2  LCI  0.0 1.2 1.79 LC  u  3 u / n  1. aparecen en la tabla siguiente.4 1. n Disconformidades. Los datos respecto al número de no conformidades en 20 muestras.2 2.Ejemplo: Un fabricante de computadoras personales desea establecer un diagrama de control de disconformidades por unidad en la línea de montaje final.07 2.8 2.4 2.4 1. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 10 12 8 14 10 16 11 7 10 15 9 5 7 11 12 6 8 10 7 5 Número promedio De disconformidades u = c/n 2. Se seleccionan como tamaño muestral cinco computadoras.0 1.4 u   1.60 2.93 1.6 n 20 2.6 2.0  .0 3.2 1. Numero de Tamaño Número total de muestra Muestral.0 1.0  LCS  3.8 1.

hay demasiadas.Gráfica U de C3 4 LCS=3. aunque el proceso se encuentre bajo control. por lo tanto. La administración debe emprender acciones para mejorar el proceso.794 Conteo de muestras por unidad 3 2 _ U=1. se adoptarían los límites de control de prueba para el control actual.066 Los datos preliminares no presentan una falta de control estadístico. Aún cuando se tarta de disconformidades no funcionales o de apariencia. Una vez más nótese que el número medio de disconformidades por unidad es demasiado alto. .93 1 0 1 3 5 7 9 11 Muestra 13 15 17 19 LCI=0.

5 LC  u  3 u / ni 1.42  0.42  3  n  400    LCI  1.0 9.42  0.42  2.54 1.16 400   LCS  1.43 650 ……………………………….50   LCS  1.42  3   1.42  2.29 500 10.42  3  n  650    LCI  1.68 400 1.Ejemplo tamaño muestral variable: una fábrica de acabado de tejidos.41 650 1.42  3   1..0 12.52 1. Los datos para diez rollos de tela se presentan en la tabla siguiente: Num ero De Roll o 1 2 3 4 5 6 7 8 9 10 Cantida d de Metros cuadrad os 500 400 650 500 475 500 600 525 600 625 Número total de disconfo rmidades 14 12 20 11 7 10 21 16 19 23 153 Número de unidades de inspección por rollo.5 107.0 13.75 1. .50 1.42  2.10 0.0 8.5 10.40 1.42  3     LCS  1.42 107.0 10.42  0.42  3  n  500    LCI  1.74 1.00 1. se inspeccionan telas teñidas para detectar los defectos en 50 metros cuadrados.0 12.55 500 1.0 10.5 12.84 u 153  1.58 1. n Numero de disconformid ades por unidad de inspección 1.

00822 Las pruebas se realizaron con tamaños de la muestra desiguales .01 0.06 Conteo de muestras por unidad 0.Gráfica U de C3 0.04 0.02 0.05 0.04871 _ U=0.02847 LCI=0.00 1 2 3 4 5 6 Muestra 7 8 9 10 LCS=0.03 0.

tan grave que no se puede usar. como automóviles. Por ejemplo: al evaluar sillones de escritorio. No todos los defectos tienen la misma importancia. En tales situaciones.SISTEMA DE CALIFICACION DE LA CALIDAD SISTEMAS DE DEMERITO Cuando se realiza control de calidad en procesos que producen productos complejos. necesitaremos tener un método para clasificar las no conformidades o defectos de acuerdo con su gravedad y ponderar los diversos tipos de defectos de alguna manera razonable. y tiene una influencia 5 veces mayor sobre la grafica de atributos que el sillón con una disconformidad. computadoras. independientemente de su gravedad. Con un sistema de calificación de calidad se corrige esta deficiencia. todas ellas relacionadas con el acabado superficial. uno podría tener 5 no conformidades. en otras palabras. todas las no conformidades y las unidades no conformes tuvieron el mismo peso. Probablemente una unidad del producto con un defecto muy grave se clasificaría como no conforme respecto a los requisitos. . El sillón con 5 no conformidades triviales se puede usar. pero una unidad con varios defectos menores no necesariamente tendría que ser disconforme. suele observarse que pueden tener lugar muchos tipos de disconformidades o defectos. Esta situación presenta una evaluación incorrecta de la calidad del producto. etc. mientras que otro podría tener una no conformidad que podría ser una pata rota.

pero presenta defectos menores en el acabado. o bien tendrá un defecto importante en el acabado. * Defectos moderadamente importantes o de clase C: La unidad probablemente fallará durante el servicio. Para comparar el desempeño de calidad. la presentación o la calidad del trabajo. ponderar y evaluar las no conformidades. generará seguramente problemas operacionales menos graves. o con seguridad reducirá su duración o incrementará los costos de mantenimiento. * Defectos poco importantes o de clase D: La unidad no fallará durante el servicio. * Defectos graves a defectos de clase B: La unidad tiene posibilidades de sufrir un fallo que puede ser muy grave durante el servicio. turnos. tendrá tal vez duración reducida. la presentación o la calidad del trabajo. La clasificación más sencilla suele ser la siguiente: Defectos muy graves a defectos de clase A: La unidad es completamente inadecuada para el uso o fallará en servicio de tal manera que no se pueda reparar con facilidad en el lugar de trabajo. . se necesita un sistema de calificación de la calidad para clasificar.Hay muchos casos en los que se quiere comparar el desempeño de los operadores. o bien ocasionará lesiones personales o daños materiales. producirá un aumento en los costos de mantenimiento. causará problemas menos graves que un fallo de operación. La clasificación suele denominarse esquema de deméritos. fábricas o vendedores.

o. Es aquella que no siendo critica. podría afectar los usos. Las no conformidades menores suelen relacionarse con la apariencia. • No conformidades mayores. es probable que evite el funcionamiento del producto o servicio. depende de la complejidad del producto. Es aquella que probablemente no reduzca materialmente los usos del producto o servicio en su finalidad pretendida.Otra clasificación de no conformidades. • No conformidades menores. por la experiencia y a juicio. probablemente cause condiciones peligrosas o inseguras a los individuos que la usen o mantengan. Resumiendo. una conformidad critica si afecta al uso. Una conformidad mayor. etc. una no conformidad que. en otras tres. es probable que cause la falla. dependiendo del producto o servicio. . o que reduzca materialmente el uso del producto o servicio en su finalidad pretendida. Observación: en algunos sistemas se usan 4 clases. Una conformidad menor no afecta los usos del producto. De acuerdo con su gravedad: • No conformidades criticas. Es aquella que por la experiencia y a juicio.

La línea central y los límites de control 3σ se obtienen con las siguientes formulas: .Grafica de control Para contar deméritos por unidad se establecen y trazan gráficos de control. calculados con la formula. Un demerito por unidad se define con la formula: Donde D = Deméritos por unidad Los valores de D. se anotan en la grafica para cada sub grupo.

no conformidades mayores son 26 y no conformidades menores son 160 para las 40 unidades confeccionadas eses día.Ejemplo: Suponiendo que se use el sistema de ponderación con las tres clases 9:3:1. determinar la línea central y los limites de control cuando y n= 40. También calcular los deméritos por unidad para el 25 de mayo. El grupo del 25 de mayo ¿está en control o fuera de control? Subgrupo del 25 de mayo: . cuando las no conformidades criticas son 2.

   35  5 35 .

 35  5 A ! A 35 .

 35  5   ° ¯¾¾¯ ¾½ f ¾n¾   35 I .

 35  5 .

4314720 5 5   3 5 I  3 5  5 #°# -.43974 /0 32074 /0 :3/.2.#35$!%#  $:543. ..O3 2:0897. ./08 /010../. 6:0 34 80 . 17.7.07/.084 /0 1.7. :3..434./07../08 8:-7:548 80 .7.O3 !. /0 .248 .47.7 5 5. 4 6:0 80 942. 03 ..8 .9:48. ..4314720 5 03 0 574.O3 /8. 6:0 0892.8 8:-80. /8..43897:7 0 /.:03908 /0 3 :3/. 17.3  2:0897.0 ...-7.:.

0397. 3 5  3 5  5 . .  3 !   .-@-@ $  3 3 5  3 5  5 3  30.

    3 5 I  3 5  5 9 0.39/.0254 .8/035 5.390 #08:9.79.2:0897.4389.9. !#               :.      .433 .434.9:4848/02:0897.9.7...07. 35 5            3 5       %49.!#1  65..:0897./48/03:2074/0/010. 40490.9:484803.//0/010.8 3 74 /0..: $                      &   .614 :.

/485.74  #08:9.2:0897.02549.8 %.08  5 3 5 3      .834.4389.82:0897.83 35                       %49.-.2.N4/0./4/02:0897.8/10703908 :0897.7.3908 #08:9.

% n°f  °¯  ° f ¾ € n¾f¾  ½n ¾ .&#'#%# $% !# !##35 f nf nffn ¾nf ½ fn°  f–f¯f n°  °¯  ° f ¾ € n¾f¾ ¾ °f  ½ ¾ °fn° –h€nf f ½ f  f fn ½f °n nf¯ ° f ½ ¾¾ ° n° ¾f ¾n % ¾ n °  ½   .

½   ° ¾ f½f f€°n°  ¾ n° f °¯f . 9  A .¯ ¾°fff  f ff °¯f n°½fh¯ ¾°  ½ .

$½  9  A .

$½ .

8 35                .4397455..16:0./0.8.7.9:48.                ..9:48.8/010./..47.9.:07.                ..9.7908 /010.8:03908070/0/./03 .9.-7.8/010.9484-903/.7E1.3/42:0897.:23470897.43 8:-7:548  #0. /:7.  :0897.7..4 &31..032074/05...:7.8 35                :0897.8/0.07.8 942.390/0...39002:089704 /02E8 .9:48.

039.7 . .948 1:3...-.  /0-/4 .8 /0850710. 6:0 . . 0 .074 . 6:0 .7./ /0 /010.438:2/47  54/7J.39/.8 /010.6:048 807J..-.948 4 /8.43 .# %#  # % $ $  #$  #  ¾ n°¾ f  °¯  € n¾ ½ ° f °¾½ nn° ½ n f °  ½n ¾ ¾   ° ° ¾ f–f¯f¾   f–f¯f¾ n°  °¯  € n¾ ½ ° f  ¾ n°¾ f  °¯  f € n¾ ° f ½ nn° ¾   ° ° ¾ f–f¯f¾ n  f–f¯f¾  °¯  € n¾ !47 00254 8:543./.9.97O3./03908 5.4 00.. 17.3 0. ..-7.4 O..74 .81.9.4314720 .3 807.8.10. .7 /70. :3/.08 03 :3 /85489.O3 .7 . ./48 /0850710. .4314720 :348 002548 843 ..08 74948 03 :3 .3 ./ ...43.424 ../ 54/7J.8 507843. /0 ..43.425:9. :3/.0 /0 .O3 34 .424 34 .43 0 32074 /0 /010..48 . 6:0 80 1..848 57E.9. 90307 /02..948 2034708 03 0 .20394 80 54/7J./47...9:48./47./ /0 84/.81. 2:. /0 :3 .94 0 32074 /0 702.3 .08 . ./08 03 .10..20390 8: 1:3.4314720 $3 02-.8 03  2 /0 404/:..4 09. .9.20390 .7 . 6:0 34 ..39/. 90307 :34 4 2.948 80 903/7J.431472/.425:9..48 03 48 6:0 08 570107-0 97./4 /0 ./:7.

08 .431472/.79J.:48  ./ /0 3850.948 !4/7J.20390 :3. 5. 20/. /897-:.79J./ /0 3850.8J .7. . 84.. :3/. 70897./. 5.:48 09.7.O3 807E :3..08.:7703 03 089.20390 802570 08 ./08  . /897-:.. 0 32074 /0 /8. /0 48 .:36:0 34 30.94 . :3/.O3 /0 !48843 .47J.948 4. 843 :.O3 /0 !48843 43/0  705708039. 08 0 5.7. :3/. $:543. 039/.O3 08 803.79 843 ..848 ./ /0 574/:.3./ ./ /0 3850..5745.  .248 6:0 48 /010.7E20974 /0 ..# !%#  3 .O3 803 :3.7 48 /010.7E20974 . 482908/0.43974/0$0. 807 :3 7:54 /0  . :3/. 2.

 3@ +9@ ° fn °f 3@ .

° fn °f n °3 . 3@ 9@ ¾¯ ¾ n° ¾–¯f¾  f ½ffnf f¯ ¾fn¯   . I  .

. . F   5 .¯ ¾½ f ¾n¾ .

 . . A A .

. .    .

.  . A . A .

 .   . I .

7.2. 08 3 5.N48 3 34 /10703 2:. /0 48 3 5. 20/.7./.2.4 08 942. 54/0248 459. 2:0897. 45.43974 5.2.7 547 7. 2:0897./.4389.. .    :3.43974 34 807E3 J30.7.8 &3.7 ..:.43 4 6:0 .47 .  .N4 /0 94/. .  .390  9.8 .0 6:0 9030248 2908 /0 ..8 J30.8 .9.8 /0 .8 2:0897.424 . 3 34.3/4 48 9.O3 9 ..424 80 4-90303 .   3%3.423 3 /0 9.748 9.8 70.N4 /0 .1.

/4 /0 ..43 4 6:0 0 574-02. .8 .084 03 089.390 8038-08 .43974 08 3..848 3 8:00 807 :.0 . !074 03 . 9.47 /0 48 3 .7 :3 3 . 6:0 .47J. . 80 70/:.20390 574547. /0 48 . %.7 547 942. 17. 2:0897.8 2:0897.. 94/.N4 /0 . 2.7.2.259:/ /0 . 2.2-F3 80 5:0/0 459.8 .248 :348 J2908 /0 .423 0 :.078.47 .43. 6:0 3/. 5. .43974 -.89.3. 574.43 4 6:0 4-903/7J.

2.7E209748 ..8 $  3 3 :. I  .   . .7.N48 /0 48 8:-7:548 4 2:0897.390 . 903/7E 5.390 4 4-89.. :3 .431472/.43974  82.:.780 5. 48 8:03908 J2908 /0 .47 089E3/. 30./08 /0 3850. /0 32074 /0 /8.O3 /. 57023. .7 /0 :3/.7 . 3 34 . 2:0897.  .8 3 843 2: /893948 8:003 942.84 0 /.3/4 48 9.2.4389.7.248 3 0890 .0397.424 .7 80 54/7E 0892. 4-807./. 2:0897....#  $ !%#   $ 348 80 /./. . 20/./08 03 :3.

  3 3   . 3 3 :. .0397.  3 3 30.

 3 3 .

-.709. :3.08.8 /0  9.431472/.. .948 5.7.    I     $        9 0.:948 2570848 %. . 9./08 03 2:0897.7.614:.-.8 /0 .431472/.9.709.8 8:. 2/.8 .9.              :. 0 32074 /0 /8..:94 2570848 :2074 :2074 /0 :2074 :2074 /0 /0 /8.:   ./08 2:0897.    ./.8 03  2:0897. ..7. 8:0390 2:0897. 0 3:2074 /0 /8.0254 ./08                                                       .431472/ :0897./08 4-807.43147 /0 8.8 /0 .1   &  65. I  .43  9./.

:3 574-02.:7 089.43. 902507.43974 /0 . 2:0897.O3 /0 . 0.:.709./4 .3 .O .0O 6:0 :3 3850. 03 0 .8.8 2:0897.    I     $        . 2E6:3.70. 3.  70.-07 089.089.8 9..7 03 43/.9.43974 /0 57:0-./4 570803908 /02E8 0 3:2074 /02.8    .        .4 .7 48 J2908 /0 .8  70.748 9548 /0 /8.8 /0 /.8 /48 2:0897. /0 48 J2908 /0 .947 3:0.43974 . /0 84/.  80 /0-O . .3/0 /0 /8.03 1:07.23.O 320/. I  .9:7. 2:0897.431472/./4 7. 03 . 0 .394 5. 2:0897. 80 7084./08 03 .-0 0.0 7./08 6:0 54/7J.  34 70.434.-J...20390 !47 4 9.431472/.48 5:3948 ..8.

431472/. 74 ./08           .8 /0 ./08 03 2:0897.07.7.           :2074 /0 /8.7.:94 2570848 :2074 /0 :0897.4 %.431472/../08           :2074 /0 2:0897. 0 3:2074 /0 /8.-.431472/.8 /0  9.709.           :2074 /0 /8.948 5.

°h¾¾ f n°f ¾n°€¯ f ¾ ¾ f¾ n°  ¾½ n f € n¾  ° n°€¯ f ¾ ¾ ¯½ n° ° ° ¯h¾ °€¯fn°  f €fnn° ¾n°€¯ ½ f h °¯f¯ ° ½¾ ¾°¾ ° n°€¯ f ¾ °ff°  f¾ ¾n°€¯ f ¾ ¾ –°  ½ ¯nf¾  n ¾ ½  °  °f  f ¾¾ nf¾f¾ 9 © ¯½ °  ½n ¾ f¾ f© f¾ nn¾ ¯½ ¾¾ f  ½¾ € n¾ ° f –   ¾ ½ ¾ °f° ¾ f¾ ¾ € n¾ °  f© f¾ °h¾¾ ½f  °n°€¯ f ¾½ff ½n ¾ f© f¾ nn¾ ¯½ ¾¾ .

.. :2074 /0 5.. /0 48 /010. 574/:./08 3 0890 574.O3 /0 574.  /0 4:23.790 70.790 70. 8:0390 .E8 /0   /0 949.   /0 1.390 /0 /0 9./.   /0 1.709.431472/. $4/.94 03 -7:94 /.748 9548 /0 9.8.9.7  023.-7.7094 08 /0. /897-:. /0 954 /0 /010.. 4.... 32074 /0 . $4/.084 80 1.431472/.431472/..                                                                                              :2074 /0 5. 03 -7:94 08.-7J. /48 9548 /0 /010./:7.8 .N.8 17J./4 34 84-7..49:7. %..84 /48 9548 /0 /8.7 5:0/0 . 31472.:7703.790 70.94 547 954 /0 9..8  :39.709.3 .7 . % % .439030 9.03.948 38:1.3 . /0 /8.97-:780 .9E44 . :348 54. $ 80 5:/07.7 0848 574-02. :39./:7.:03.  /0 4:23.390 /010.48 03 0890 .47J.7.394 5:0/0 807 9 0.   /0 1.O3 /0 !. 9. 2.8.  /0 4:23..:03. $4/.-0 03 .-.-079./:7./:7./08 8:03 .:03.948 .:948 2570848 !47 4 9.084 O9080 6:0 . :3 .8 .8 34 .:20394 349. 90 .8 /0 ./08 80 /0-0 .8 /0 84/.N..O3 4254303 425430390 425430390 O/4 3.23.709.817.709. :2074 /0 5.

790 70.3.:03.7../:7./08 . /0 89. /0 57:0-.$4/.9..390 4/4 /0 /010./4 1.   /0 1../:7.94  .4770. 38:1.4770.  /0 4:23. 84/..   /0 1. % %             $.   /0 1.5.790 70. :2074 /0 5../4 3.7.9.25. /0 57:0-.:03.8 %49. -.:03.. :2074 /0 5./:7.                   ..  .                                                               ¾x ¾  f¾°¾€n °nf¾ ¾ f f¾f¾©°f¾€f¾ ¾ f f n °½ff ¯¾¯°¯  ½ f  ¯½nf  ¾ ½ ½fnf f© f¾ ¾¯¾¾n ½  f½  ¯f¾ ¾ f f °° f ¾  °   ½° f °n° ¾½ nff€° ¯ ©f ¾ ½f¾ ½n ¾½ff n°¯  ½ f  ¯½nf  ¾ ½½fnf f© f¾ ¾¯¾¾n ½  f ½  ¯f¾ ¾ f f °° f ¾  °  ½°  ¾½ nff °n°f€°  ¯ ©f ¾ ½f¾ ½n ¾½ff n°¯  ½ f fxn°nf½ff°f°h¾¾f n°f  ¾n°€¯ f ¾ ¾  f–f¯f  nf¾f € n .  /0 4:23.  /0 4:23.2-7.790 70.94 &3/.0390 :2074 /0 5.

.

7..43$    ! . !  A .  !  A ../0.                            A !  A .       .:4/0.2.7.:3/.                . 5.:7.. ..

8 /0 .7 :3 /.#   %#   &# # :  % $  # & 8 548-0 -.8.948 $ 80 .7.43974 03 0 32074 /0 /010. 0 32074 /0 /010.2./ ./. /0 /010.7.O3 03 . /0 . 03 0 574.0 /0 03 0 32074 949.##..2.948 547 :3/.7..8 : 4 /./ /0 3850.O3 574/:.438/07.084 80 4-90303 48 /.948 547 :3/.2./ /0 3850.43974 /0 32074 /0 /010.948 547 :3/.

-9@- ½ffnf f¾ –½ °¯   € n¾n ¾– °f ¾ n° 9¾¾° ½fh¯ ° 48 2908 8:50747 0 310747 /0 7E1.43974  82.79 843 .4 /0 .8 /0 $0.

 3@ +9@ ° fn °f 3@ .

 3@ 9@ ¯ ¾ n° ¾–¯f¾  f ½ff nf f¯ ¾fn¯   : I  : .

  : .0397. . 3 30.

.032074/0/010.6:03480.O3 !./.:3../: 80.97O3 /.7.:.03.//03850.47././08 8:-7:548 80 .0 089./048: : 890089.4  :  :  .6:00892.7.20/./4:/0/010...7.2.43897:70 /.434..948547 :3/.420..7./.003207408507.88:-80./0.084/01.948547:3/.438/07.948547:3/.7:  5.32:0897..2. :  83 5.O3574/:./J89./4 $:543.-7.4/013/4..248.030574.43974/032074/0/010./J89.:03908/03 :3/.46:080942.

3 807E00892./47/0:   2908/0.8   : I :.43974 82.

 : .

3  : I  : .

3 .

43.431472/..424 9.03 03 . /0 2439.7.431472/.70. 089. 3 8.-7. 32074 /0 34 .425:9.3.425:9././47.                                          2074 57420/4 0 /8.8 48 /.3 ..431472/./47./47. /0 .390 /0 .3.425:9./08 03  2:0897. $0 800.4 ./ 03 . /0 2:0897.07 :3 /.4 ./08 547 :3/./08 :  . . .431472/.2.948 70850. 8:0390 :2074 /0 %.0254 &3 1..0 13.8 .N4 2:0897.-0.2.43974 /0 /8.08 /080.8 507843. :0897.N4 2074 949.8 /0 . J30.-. 9.2.94 ./08                     %49.5. :3.

3  :     :       3     $      : I  : .

3    I    .

                                .

      ¾ f¾½ ¯°f ¾°½ ¾ °f°°f€ff n° ¾f ¾n ½f° ¾  f ½ff°¾¯ ¾ n° ½ f½ff n°fnf D°f ¯h¾° ¾   °¯ ¯   ¾n°€¯ f ¾½° f  ¾ ¯f¾f f f°  ½n ¾ ¾  °n °  f©n° °nf° ¾ ff  ¾n°€¯ f ¾°€°n°f ¾  f½f °nf f ¯f¾f f¾ ff ¯°¾fn°  ¯½ ° fnn° ¾½ff¯ ©f  ½n ¾ .:76951.9.9.1  &   65.           :.9 0.1   .614 :.

:.2. 8:0390 :2 074 0 #4 4           .7 48 /010. 9.0254 9./4 /0 90/48 80 3850.948 03  209748 .7./48 48 /.N4 2:0897.431472/ .-./08547 :3/.O3                   :          : I  : ./ 48           2074 949.4314 7 2/.3 90.. /0 /8.43.O3 547744 3 :2074/0 /8.948 5. ... //0 09748 ./08            2074/0 :3/.-.8 90N/./7.9.8 5... /0 ..:.39/.3 03 . /0 7448 /0 90./7. 80 5708039.-0 :3.//0 3850..7.7. /090./08/0 3850. 1E-7.

3             $    3                         $     3                    $     3                    .

1:.1    65.614 :.9.   &    .9..:79/.     .4:.9.3.965065.9 0.3: .::9.:76951.1                   :. 6:13.4.

08 2.7..:942O.47 84-70 ./ ../08 4 /010..0/.. 282.1.03 574/:./08 94/.0743 0 2824 5084 3/0503/039020390 /0 8: 7.94 43 :3 88902..08 89:.7J.3/4 80 70./08 97../.20390 903/7J.948 /0 .:07/4 . 0.948 90303 .43 :3 /010. 7.. /0 ..7  9030 :3.4314720 3 9..4770 089..0/..  8O3 . .307.425:9. 2.7 48 /.9.O3 5708039. 5.431472/./08  . 807 :3.8 6:0 4974 54/7J./.8 34 . /0 . 8:00 4-807.748 /010./4 8:5071.. 34 ..8 34 ./  543/07.8 5.8 09.431472/.948 .. 749.:.431472/..089.. 6:0 807 /8../..948 2034708 34 30. 48 706:8948 5074 :3... . /8.:3./ /0 574/:. :3.43 0 .4770.08 80 5:0/0 :8.43.. /0 .O3 /0 .8 .43./ 03 574.431472/.0.8 :3/. 7.9.8 .08.0 6:0 34 80 5:0/0 :8.07848 9548 /0 /010.7 89.  .43 .424 ./08 34 .70248 90307 :3 2F94/4 5..43974 /0 .O3 3.425048 .$$%  $$%$#% :.94 . 31:03.94 2: 7.81..0 80 .7 . 0.3 7. :3/.03...7.-7././ 6:0 54/7J./ 80 .8 0.431472/.-020390 :3.948 /0 .431472/../08 4 /010. :3/./ /0 574/:. . 25479. /01.48 9548 /0 /8. 90307 :3.. 89:.81./ !47 00254 .43 :3.43 8: 7.4314720 70850.424 34 .94 . .43147208 9:... 90307  34 .4308 30. 20397.0848 6:0 574/:.08 .948 4 94/48 48 /010. !74-.7 2:.8 94/.780 6:0 5:0/03 90307 :.1.-.8 70.3./ 9.:..... .-0 03 497.43  34 .431472/.7 84308 /0 08.79474 :34 54/7J./47.97-:948 6:0 0 8O3 .

/0 .81.. ..03/0/4708 !.425..7./. 8:00 807 .8 4 ./ 5..:. ..780 086:02. 2:.....O3 2E8 803./.8 34 .O3 /0 ../4708 9:7348 1E-7..7 543/07.81. . 8:0390  € n¾¯–f ¾f € n¾ nf¾  f° f  ¾n¯½ f¯ ° °f nf f ½ff ¾€ffh °¾ n f¯f° f °¾ ½ f ½ffn°€fn f  ° –f f f©   °nf¾°fh ¾° ¾½ ¾°f ¾ f³¾¯f f ¾ & € n¾–f ¾f € n¾ nf¾  f° f  ° ½¾  f ¾ ¾€°€f  ½ ¾ ¯–f  f°  ¾ n – ° fh¾ –f¯ ° ½  ¯f¾ ½ fn°f ¾¯ °¾–f ¾ n°¾ – f  nh¾ fn°°n ¯ °fh¾ n¾¾ ¯f° °¯ ° & € n¾¯ f f¯ ° ¯½f° ¾ nf¾ ..81.7 0 /080250N4 /0 48 4507.O3 8:00 /03423.48 ..7 . :3 88902.1.425.7.431472/.7.089./ 80 30.7  0..7. . .7 0 /080250N4 /0 .. /0 /02F7948 .848 03 48 6:0 80 6:070 ..../08 .

f° f ½ f  ¯ ° €ffh f°  ¾ n nf¾fh½  ¯f¾¯ °¾–f ¾ °€f ½ fn°  ° h f  fn° n f ½ nh°f¯ ° °¾n¾¾ ¯f° °¯ °   ° ° h° € n¯½f°  ° fnf f  f½ ¾ °fn°fnf f   f f© & € n¾½n¯½f° ¾ nf¾  f° f °€ffh f°  ¾ n ½  ½ ¾ °f € n¾¯ ° ¾ ° fnf f  f½ ¾ °fn°fnf f  f f© .

050703. 6:0 574-.:07/4 .79. . 4 6:0 70/:./08 2. .6:0.. #08:203/4 :3.8 .94 4 807..O3 /0 34 .9.  . .3903..431472/.20390 0 :84 /0 574/:. 2. .0/..43 .79.8 34 . :803 4 2. 2. :..431472/. 8 .94 4 807./08 0 .-020390 34 70/:.431472/. .780 ./08 ./ .4 :3./ 570903//..3 4 /0503/03/4 /0 574/:.9.907.. 08 574-.:80 .907.431472/.8 8 .  ..43 8: 7.9.431472/. .94  ¾ fn° °f–°¾¾¾ ¯f¾¾ ¾f°nf¾ ¾  °f¾ ¾  n  ½ °  fn¯½ © f  ½ n ./ 6:0 547 . ./ 20347 34 .4 W 4 ..94 4 807.79. :..4 08 574-.431472/. 050703.43./ W 4 ../08 2034708 8:003 70.20394 /0 574/:.. 34 ./.7 48 :848 &3..10. 48 :848 /0 574/:.. 6:0 547 ...6:0. 48 3/.431472/.43.4 574-. W 4 .4708 8 .703..90 0 1:3.47 54/7J. ..5.8 4 380:7. 1.43/.-0 6:0 0..10./ 2.97..431472/.6:0.4 03 8: 13.81.4308 50748.94 4 807./:48 6:0 .20390 48 :848 /0 574/:. 6:0 34 803/4 ./08 2034708 8 .431472/.:80 .10.-020390 . :84 &3.-0 6:0 ./ 570903//../.4 03 8: 13.

439.43974  &3/020794547:3/..1472:../.7.43.48/0..-0./80/0130..88:03908 1472:.7./0.8 .7.43./ 48.. 43/002F7948547:3/./80089.7.43..5..1.7/02F7948547:3/. 80..0397.1472:.1..J30.4708/0 .48J2908/0../48.:.37E1.43974 !.349. 8:-7:54 .0397.43974ƒ804-90303.303.

43.0397.  7:54 /0  /0 2.43974 4 1:07.43974 .O3 .7 48 /02F7948 547 :3/.8 843  34 .8 9708 .8 34 ./08 2034708 843  5.431472/.43974  –½  ¯f .3/4 .4 ./08 .8  :3/...43 .  48 2908 /0 . /0 ./.3/4  3  %. /0 543/07./08 ./08 2..7 .:.4 089E 03 ... .:./ 5. .8 0808 /J.431472/.808  /090723.2-F3 .4708 843   34 .431472/..:.4310. J30.79.0254 $:54303/4 6:0 80 :80 0 88902. 0  /0 2.7.7.

You're Reading a Free Preview

Descarga
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->