P. 1
GRAFICAS ATRIBUTOS

GRAFICAS ATRIBUTOS

|Views: 88|Likes:
Publicado porMiriam Cruz

More info:

Published by: Miriam Cruz on Jun 14, 2012
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

06/14/2012

pdf

text

original

GRÁFICAS DE CONTROL POR ATRIBUTOS

González, Raymundo Moreno Romero, José Alfredo Quiroz Valdez, Eduardo Gabriel Villegas García, Elías

Gráficas de Control Por Atributos
• Constituyen la herramienta esencial utilizada para controlar características de calidad cualitativas, esto es, características no cuantificables numéricamente.
• Ejemplos de tales características no medibles son la fracción o porcentaje de unidades defectuosas en la producción (P), el número de unidades defectuosas en la producción (NP), el número de defectos por unidad producida (U), y el número de defectos de todas las unidades producidas (C).

Gráficas de Control Por Atributos
Introducción • Las Gráficas de Control son gráficas utilizadas para estudiar como el proceso cambia a través del tiempo. Se gráfica el promedio como la línea central y los límites de control superior e inferior que son permitidos en el proceso. Estos límites se determinan con los datos del proceso.

Existen cuatro tipos de Gráficas de Control: P, NP, U & C.

– Identificar la existencia de causas de variación especiales (proceso fuera de control). – Indicar cambios fundamentales en el proceso. – Monitorear las variables claves en un proceso de manera preventiva. .Gráficas de Control Por Atributos Utilidad – La función primaria de una Gráfica de Control es mostrar el comportamiento de un proceso.

Gráficas de Control Por Atributos • Ventajas – Resume varios aspectos de la calidad del producto. es decir si es aceptable o no – Son fáciles de entender – Provee evidencia de problemas de calidad .

puede estar produciendo constantemente un gran número de no conformidades. . Si no se define bien la información necesaria y las características del proceso que deben ser controladas.Gráficas de Control Por Atributos Desventajas • Interpretación errónea por errores de los datos o los cálculos utilizados • El hecho de que un proceso se mantenga bajo control no significa que sea un buen proceso. • Controlar una característica de un proceso no significa necesariamente controlar el proceso. tendremos interpretaciones erróneas debido a informaciones incompletas.

Gráficas de Control Por Atributos • Límites de control – Son calculados de los datos obtenidos del proceso • Límite superior – Valor máximo en el cual el proceso se encuentra en control • Límite inferior – Valor mínimo en el cual el proceso se encuentra en control. • Línea central – Es el promedio del número de defectos .

Gráficas de Control Por Atributos

• Gráfica p
– Representa el porcentaje de fracción defectiva – Principales objetivos
• Descubrir puntos fuera de control • Proporcionar un criterio para juzgar si lotes sucesivos pueden considerarse como representativos de un proceso • Puede influir en el criterio de aceptación.

Gráficas de Control Por Atributos
• Gráfica np
– Se utiliza para graficar las unidades disconformes – Principales objetivos:
• Conocer las causas que contribuyen al proceso • Obtener el registro histórico de una o varias características de una operación con el proceso productivo.

Gráficas de Control Por Atributos • Gráfica c
– Estudia el comportamiento de un proceso considerando el número de defectos encontrados al inspeccionar una unidad de producción – El artículo es aceptable aunque presente cierto número de defectos. – Principales objetivos
• Reducir el costo relativo al proceso • Determinar que tipo de defectos no son permitidos en un producto

.Gráficas de Control Por Atributos • Gráfica u – Puede utilizarse como: Número de defectos de todas las unidades producidas.

GRAFICAS “pn” Y GRAFICAS “p” .

cuando existe una muestra de tamaño variable.Fracción de unidades defectuosas “P” • Se usa para reportar la proporción (o porcentaje) de productos defectuosos en un proceso. . • Distribución binomial.

Limites de control .

.Numero de unidades defectuosas “pn” • Se usa cuando se tiene una muestra de tamaño constante. • Distribución binomial.

Limites de control .

Se sabe que la proporción de botes defectuosos es de 0. .Cuando “p” es conocido • Ejemplo: Se envasa jugo de naranja en botes de cartón.23 Para controlar el peso se establece un control por atributos tomando muestras de tamaño 50 cada hora. Se considera que el bote es disconforme si al llenarlo gotea.

No de muestra No de defectuosos No de muestra No de defectuosos 1 2 3 4 5 6 7 8 9 10 11 12 13 14 12 15 8 10 4 7 16 9 14 10 5 6 17 12 16 17 18 19 20 21 22 23 24 25 26 27 28 29 8 10 5 13 11 20 18 24 15 9 12 7 13 9 15 22 30 6 .

77 = 2.Obtención de limites • LCS= 50*0.43 • LC= 50*0.3√ 50*0.57 .23 + 3√ 50*0.23 = 11.23*0.5 • LCI= 50*0.77 = 20.23*0.23 .

51 1 Sample Number .621 0 0 10 20 30 3.0SL=20.57 10 5 -3.0SL=2.Graficar NP Chart for cantidad 25 1 20 15 NP=11.

.Se hace para: • Definir la frecuencia y el tamaño de muestreo. obtener datos y finalmente establecer los limites de control que reflejen las variaciones del proceso cuando esta bajo control estadísticos.

las causas comunes y causas especiales de dicha variación y en función de esto tomar alguna acción apropiada cuando se requiera. .• El objeto de analizar una gráfica de control es identificar cuál es la variación del proceso.

Ejercicio: calcular la fracción de unidades defectuosas.04 0.06 0.03 0. muestra o lote 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 tamaño de lote 300 300 300 300 330 300 300 280 290 300 300 300 300 300 305 295 300 300 300 300 300 Articulos defectuosos 15 12 15 7 16 6 18 10 9 25 9 4 7 9 5 15 19 7 12 10 4 n=300 proporción 0.02 0.04 0.02 0.02 0.01 0.05 0.05 0.04 0.08 0..06 0.05 0.03 0.03 0.05 0.01 p=0.03 0.02 0.0362 .02 0.

0362 .00386 300 .0362+ 3√0.Obtención de limites • LCS= 0.0362 • LCI=0.0362(1-0.3√0.0362) = 0.0362) = 0.0686 300 • LC= 0.0362(1-0.

00386 y 0.Conclusión del ejercicio La proporción de productos defectuosos.0362 . con un promedio de 0.0686. fluctúa comúnmente entre 0. en lotes de 300 pzas.

Se calcula “p” utilizando las “k” muestras . 1.Cuando “P” es desconocido Se toman “k” muestras de tamaño “n”.

Sustituir en las fórmulas de los Límites de Control para P conocida para obtener lo siguiente: .2.

2. Se calcula .Procedimiento repetitivo que se utiliza para garantizar (al menos de forma aproximada) que las muestras utilizadas para hacer el cálculo de parámetros corresponden al proceso en estado de control estadístico. Pasos: 1. Se toman “k” muestras (mínimo 25) de tamaño “n” (mínimo 50).

3. Se construye el Gráfico de Control .

EJEMPLO Determinación de la Capacidad del Proceso .

2. Calcular .

por lo tanto se eliminan.4. Los puntos 15 y 23 están fuera de los límites del gráfico. .

.5. lo eliminamos. El punto 21 se sale del gráfico.

208 = 0. por lo tanto suponemos que todas han sido tomadas cuando el proceso está bajo control estadístico.6. Ahora todas las muestras están dentro del gráfico.792 . Cálculo de la Capacidad del Proceso: 1= 1 – 0.

En el caso de productos complejos.Tenemos dos opciones a la hora de realizar un gráfico de control por atributos: 1. mientras que los gráficos C están diseñados para muestras de igual tamaño. . puede resultar conveniente clasificar un producto según el número de defectos que presenta (gráficos C y U). y U permiten trabajar con muestras de tamaños diferentes. En tales casos. Podemos comparar un producto con un estándar y clasificarlo como defectuoso o no (gráficos P y NP) 2. NP. Es importante notar que los gráficos P. la existencia de un defecto no necesariamente conlleva a que el producto sea defectuoso.

. Control de la fracción global de defectuosos de un proceso. Control del número de piezas defectuosas Gráfica c C U Defectos por unidad Promedio de defectos por unidad Control de número global de defectos por unidad Control del promedio de defectos por unidad.Gráfica de Control por Atributos Gráfica de Control de Atributos Piezas Defectuosas Defectos por pieza Gráfica p Carta P NP Gráfica np Descripción Proporciones Número de defectuosos Gráfica u Campo de aplicación.

ordenadores. o prestación de servicios con múltiples puntos de contacto con el cliente). (Ejemplos: Montaje de componentes complejos como televisores.Gráfico de Control de Disconformidades por Unidad ("u") Se emplea cuando pueden aparecer varias disconformidades independientes (defectos) en una misma unidad de producto o servicio. "u" = Nº de disconformidades de una unidad .

20% respecto al tamaño medio de las muestras... el tamaño de muestra será lo suficientemente grande como para tener varias disconformidades por muestra.Construcción de los Gráficos de Control de Número de Disconformidades por Unidad ("u") Elaborar el plan de muestreo (Tamaño de muestra. + nN)/N N = Número de muestras. El tamaño de cada muestra oscilará entre +/. frecuencia de muestreo y número de muestras) Para que el gráfico pueda mostrar pautas analizables. . n = (n1 + n2 + .

El periodo de recogida de muestras debe ser lo suficientemente largo como para recoger todas las posibles causas internas de variación del proceso. .La frecuencia de muestreo será la adecuada para detectar rápidamente los cambios y permitir una realimentación eficaz. Se recogerán al menos 20 muestras para proporcionar una prueba fiable de la estabilidad del proceso.

Se indicarán en las hojas de recogida de datos todas las informaciones y circunstancias que sean relevantes en la toma de las mismas.Recoger los datos según el plan establecido. Cada unidad de la muestra se tomará de forma que todas las unidades del periodo de producción o lote tengan la misma probabilidad de ser extraídas. (Toma de muestras al azar). Se tendrá un especial cuidado de que la muestra sea aleatoria y representativa de todo el periodo de producción o lote del que se extrae. .

Calcular el número de disconformidades por unidad. •El número de disconformidades por unidad "u" según la fórmula. •El número de disconformidades total de la muestra. •u = suma de disconformidades de la muestra / n . "u" Para cada muestra se registrarán los siguientes datos: •El número de unidades inspeccionadas "n".

.

u = (u1 +.Calcular los Límites de Control Calcular la media de disconformidades por unidad (“u”).964 = 2 ..1/25= 1. N = número de muestras = 49.... uN)/N ui = es el número de disconformidades por unidad de la muestra i.

.

.

La escala de este eje irá desde cero hasta dos veces el número de disconformidades por unidad máximo de las muestras . El eje vertical representa el número de disconformidades por unidad "u".Definir las escalas del gráfico El eje horizontal representa el número de la muestra en el orden en que ha sido tomada.

Representar en el gráfico la Línea Central y los Límites de Control .

Incluir los datos pertenecientes a las muestras en el gráfico Representar cada muestra con un punto. . Unir los puntos representados por medio de trazos rectos. buscando la intersección entre el número de la muestra (eje horizontal) y el valor de su número de disconformidades por unidad (eje horizontal).

. etc.Construcción de los Gráficos de Control de Número de Disconformidades (“C”) Se utiliza para determinar la ocurrencia de defectos en la inspección de una unidad de producto. Esto es determinar cuantos defectos tiene un producto. 10 unidades. Podemos tener un grupo de 5 unidades de producto.

Gráfica c • Estudia el comportamiento de un proceso considerando el número de defectos encontrados al inspeccionar una unidad de producción • El artículo es acceptable aunque presente cierto número de defectos. • La muestra es constante • Principales objetivos • Reducir el costo relativo al proceso • Determinar que tipo de defectos no son permitidos en un producto .

. además. •.Es equivalente al gráfico anterior. cuando las disconformidades se hallan dispersas en un flujo más o menos continuo de producto. •."c" = Nº de disconformidades. pero aplicable solamente si todas las muestras son del mismo tamaño n.Gráfico de Control de Número de Disconformidades ("c") •.Este Gráfico es utilizado.

Se indicarán en las hojas de recogida de datos todas las informaciones y circunstancias que sean relevantes en la toma de las mismas. . Cada unidad de la muestra se tomará de forma que todas las unidades del periodo de producción o lote tengan la misma probabilidad de ser extraídas.Recoger los datos según el plan establecido. (Toma de muestras al azar). Se tendrá un especial cuidado de que la muestra sea aleatoria y representativa de todo el periodo de producción o lote del que se extrae.

Registrar el número de disconformidades. . "c“ Para cada muestra se registra el siguiente dato: .El número de disconformidades "c".

.Calcular los Límites de Control a) Calcular la media de disconformidades del proceso c .

Definir las escalas del gráfico .

.Identificarla con LCIc..Representar en el gráfico la Línea Central y los Límites de Control.. Nota: Usualmente la línea que representa el valor central c se dibuja de color azul y las líneas correspondientes a los límites de control de color rojo. -Línea Central…………………………. .Identificarla con c .Línea de Control Superior……… Identificarla con LCSc.. -Límite de Control Inferior……….

buscando la intersección entre el número de la muestra (eje horizontal) y el valor de su número de disconformidades (eje vertical).Incluir los datos pertenecientes a las muestras en el gráfico Representar cada muestra con un punto. Unir los puntos representados por medio de trazos rectos. .

Comprobación de los datos de construcción del Gráfico de Control "c" Se comprobará que todos los valores del número de disconformidades de las muestras utilizadas para la construcción del gráfico correspondiente. . están dentro de sus Límites de Control.

–Investigar las causas de estos cambios progresivos. –Investigar las causas de variación pues la media de los cinco puntos indica una desviación del nivel de funcionamiento del proceso. •Cambios bruscos de puntos próximos a un límite de control hacia el otro límite. estudiar las causas de variación.Identificación de causas especiales o asignables. Pautas de comportamiento que representan cambios en el proceso: •Un punto exterior a los límites de control. •Cinco puntos consecutivos por encima o por debajo de la línea central. –La situación es anómala. –Se estudiará la causa de una desviación del comportamiento tan fuerte. •Fuerte tendencia ascendente o descendente marcada por cinco puntos consecutivos. •Dos puntos consecutivos muy próximos al límite de control. . –Examinar esta conducta errática.

EJEMPLO muestra 1 2 3 4 5 6 7 8 9 10 11 12 13 defectos 21 24 16 12 15 5 28 20 31 25 20 24 16 muestra 14 15 16 17 18 19 20 21 22 23 24 25 26 defectos 19 10 17 13 22 18 39 30 24 16 19 17 15 .

.

0SL=33.85 10 -3.21 Sample Count 30 20 C=19.C Chart for C1 40 1 3.0SL=6.481 1 0 0 10 20 45 40 35 30 Sample Number 25 20 15 10 5 0 0 5 10 15 20 25 30 Series1 .

una forma más eficaz de tomar decisiones en cuanto a ajustes. un método muy eficiente de fijar metas y un excepcional medio de verificar el comportamiento de los procesos. .CONCLUSIONES Del desarrollo de los conceptos y ejemplos se puede observar el enorme potencial que posee la utilización del Control Estadístico de la calidad como instrumento y herramienta destinada a un mejor control.

¡GRACIAS COMPAÑEROS! .

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)//-->