Grco C

A veces, el inters no reside en el nmero de artculos defectuosos sino en el nmero de defectos en un artculo o unidad de medida o, en general, el nmero de sucesos o atributos observados por unidad de medida. Por ejemplo, en una pelcula fotogrca interesa controlar el nmero de defectos por centmetro cuadrado. En un cable de bra ptica interesa el nmero de defectos por metro o kilmetro, o el nmero de averas detectadas por kilmetro una vez enterrado. En una centralita interesar controlar el nmero de llamadas por hora o minuto. En un puesto de atencin a clientes, interesa el nmero de clientes que llegan por unidad de tiempo. La diferencia respecto al caso de control del nmero de artculos con cierto atributo es el soporte en el que se observan los sucesos. Mientras que antes el soporte es discreto: muestra de n elementos, ahora el soporte es continuo: tiempo, longitud, supercie. Este tipo de control tiene inters cuando: Las disconformidades aparecen de forma continua (burbujas en vidrio, defectos en una placa, araazos en plsticos, cortes en cables, llegada de clientes a un puesto de servicio...). Los defectos pueden encontrarse por simple inspeccin a pesar de ser debidas a causas muy diversas. Este tipo de control es muy frecuente cuando el proceso es un servicio. Por ejemplo, interesa controlar el nmero de clientes atendido por unidad de tiempo, nmero de quejas por da, nmero de llamadas recibidas en cierto servicio telefnico, nmero de llamadas bloqueadas en un da, nmero de llamadas atendidas por una centralita en una unidad de tiempo, nmero de fallos diarios en un equipo de intercomunicacin, nmero de altas diarias en un servicio, etc. Esta variable que se quiere controlar puede denirse como: nmero de sucesos en un intervalo de longitud ja. Si el proceso es estable y los sucesos ocurren de forma independiente (la llegada de un cliente a un servicio no depende de cuntos clientes han solicitado ese servicio en esa unidad de tiempo, la rotura de un cable en un punto dado es independiente de si el cable se ha roto en otro punto) entonces el nmero de sucesos en un intervalo de longitud ja seguir una distribucin de Poisson. Si X es una variable con distribucin de Poisson de parmetro , el valor medio de dicha distribucin es tambin . Por ejemplo, el nmero medio de defectos por cm2 en una placa metlica, o nmero medio de clientes por da. La varianza de esta distribucin es tambin . Una propiedad interesante de la distribucin de Poisson es la de aditividad; es decir, si el nmero de sucesos en un intervalo es una distribucin de Poisson de parmetro , el nmero de sucesos en n intervalos es una Poisson de parmetro n. Si es elevado, la distribucin de Poisson se aproxima bastante a la normal. Por tanto, si tomamos una unidad de medida sucientemente grande, podremos utilizar la distribucin normal como referencia. Entonces, el nmero de defectos por unidad de medida D (o no conformidades) ser, aproximadamente.

De nuevo, conociendo un parmetro, , se tiene control sobre la media y la variabilidad del proceso. Bastar, entonces, con un solo grco de control. Sea Di el nmero de sucesos observado en un intervalo de longitud ja. Un grco de control para controlar la evolucin de esta variable ser:

y de acuerdo con el modelo que sigue D , se tiene que

Si el LCI resultase negativo se usara el valor cero. Si no fuese conocido habra que estimarlo con un conjunto de datos preliminares, procedentes del proceso en estado de control. En este caso, el grco se construira de la siguiente forma: 1. Seleccionar la unidad de medida, de manera que en tal unidad se detecten por trmino medio al menos cinco ocurrencias (averas, defectos, clientes,...), para que la aproximacin a la normal sea buena. De esta forma los lmites de control tendran al 99.7% de las observaciones en estado de control. 2. Tomar k muestras (al menos 20) a intervalos regulares de tiempo y contar el nmero de ocurrencias en cada muestra Di 3. Estimar con el nmero medio de ocurrencias observadas:

Si el proceso ha estado bajo control durante esta etapa, el valor

ser un buen estimador de = nmero

medio de ocurrencias. Este valor se usar entonces como linea central del grco. 4. Calcular los lmites de control a tres desviaciones tpicas. El grco resultante ser:

Si el lmite inferior es negativo se sustituye por el valor cero. 5. Dibujar el grco y colocar los valores Di de forma secuencial. Si alguno est fuera de control se elimina y se recalcula el grco. La capacidad del proceso se dene por l : nmero medio de defectos y se estima con Estimacin de la capacidad = Ejemplo 3: Un fabricante de cable de bra ptica desea controlar la calidad del cable mediante un grco de control C. Para ello toma como unidad de medida los 100 metros e inspecciona el nmero de defectos que encuentra: microsuras, araazos externos, poros, etc. La inspeccin est altamente automatizada, inspeccionndose el 100% del cable. La tabla muestra el resultado de 12 unidades (1200 metros). hectmetros N de defectos El nmero medio de defectos es que es la linea central del grco. El lmite de control superior es 1 5 2 2 3 7 4 12 5 10 6 3 7 6 8 4 9 3 10 7 11 2 12 10 , por tanto

La gura muestra el grco de control donde estn representadas las observaciones