Está en la página 1de 13

INSTITUTO TECNOLGICO DE LA PAZ

DEPTO. DE INGENIERAS.

UNIDAD II. CONTROL ESTADSTICO DE CALIDAD.


GRFICAS DE CONTROL.
2.1 DEFINICIN Y TIPOS DE INSPECCIN.
5.1.1 Medidas de Tendencia Central.
a) Promedio Aritmtico (Media Aritmtica).
Definido como la suma de las
observaciones dividida entre el total de observaciones:
* Para N observaciones no agrupadas en tabla de frecuencias:
N

x1 + x2 + + xi + + xN
N
N
* Para N observaciones agrupadas en una tabla de frecuencias con k clases:
i

x = i =1

x=

f
i =1

xi

f
i =1

f
i =1

xi

b) Moda: Es la observacin de mayor frecuencia.


c) Mediana: Es el punto en la escala de observaciones en el cual hay reas iguales bajo
el histograma (es el 50avo percentil, P50).
La mediana es la observacin de en medio (si el nmero de observaciones es impar);
y si el nmero de observaciones es par, es el promedio de las dos observaciones
centrales.
2.1.2 Medidas de Dispersin.
a) Varianza (s2) nos indica qu tan dispersas se encuentran las observaciones del
promedio; entre ms se alejan las observaciones del promedio, mayor valor toma
esta medida:
* Para N observaciones no agrupadas en tabla de frecuencias:
N

s2 =

( xi x)2

2
i

( xi ) 2
i =1

N
N 1
N 1
* Para N observaciones agrupadas en una tabla de frecuencias con k clases:
i =1

i =1

s =
2

fi

2
i

( f i xi ) 2
i =1

( xi x ) 2

= i =1
N 1
N 1
b) Desviacin estndar (s): Raz cuadrada de la varianza:
i =1

s =

s2

c) Rango (R). Distancia entre la observacin ms pequea y la ms grande:


R = xmx - xmn
d) Etc.
e)
CALIDAD APLICADA A LA GE

M.C. JUAN MANUEL RODRGUEZ TORRES.

INSTITUTO TECNOLGICO DE LA PAZ


2.1.3 POBLACIN Y MUESTRA.

DEPTO. DE INGENIERAS.

Poblacin o Universo. Cualquier conjunto de objetos teniendo alguna caracterstica


comn, usualmente definida por el investigador.
Muestra. Un subconjunto tomado de la poblacin.
Muestra Aleatoria (al azar). Es una muestra tomada de la poblacin en la cual cada
objeto tiene la misma probabilidad de ser escogido:
1. Con reemplazamiento. Si antes de tomar la siguiente observacin, la anterior se
regresa.
2. Sin reemplazamiento.
2.1.4. GRAFICAS DE CONTROL.
La calidad de los productos manufacturados puede ser expresada en dos maneras
diferentes: mediante variables y mediante atributos. Cuando la calidad es expresada
mediante una medida real, se dice que es expresada mediante una variable, tal como
dimensin en pulgadas y peso en libras. Cuando la calidad es expresada, ya sea porque
lleva o no los requerimientos especificados, bueno o malo, aceptado o rechazado,
defectuoso o no, la calidad se dice que se expresa mediante un atributo, tal como una
pieza de vidrio agrietada se considera como mala o defectuosa y una no agrietada como
buena o no defectuosa.
2.1.5 Descripcin de una grfica de control.
Una (variables) y otra (atributos) son similares.
Partes principales. Son 4:
1. Escala de calidad. Es vertical.
2. Marcas de las muestras. Por puntos o cruces (son muestras, no elementos).
3. Nmeros correspondientes a las muestras.
Son numeradas individual y consecutivamente en la lnea horizontal.
En la grfica por variables, el tamao de las muestras generalmente es de 4 5
elementos cada una; en las de atributos, el tamao de las muestras deber ser cuando
menos de 100 elementos de acuerdo a la teora de muestreo.
4.
Tres lneas horizontales.
a. Una lnea central continua. Calidad promedio de las muestras.
b. La lnea arriba de la lnea central muestra EL LIMITE DE CONTROL
SUPERIOR (UCL LCS).
c. La lnea por debajo de la lnea central muestra EL LIMITE DE CONTROL
INFERIOR (LCL LCI).
Las dos ltimas lneas usualmente se representan mediante lneas punteadas.
2.1.6. USO DE UNA GRFICA DE CONTROL.
La grfica proporciona bsicamente 3 clases importantes de informacin:
1.
La variacin de calidad de las muestras.
2.
Proceso bajo control o fuera de control.
3.
El nivel de calidad promedio.
2.1.7 TIPOS DE INSPECCIN.
Los tipos de inspeccin ms usados son:
a) Reducida o truncada.
b) Normal
c) Rigurosa o estricta.

CALIDAD APLICADA A LA GE

M.C. JUAN MANUEL RODRGUEZ TORRES.

INSTITUTO TECNOLGICO DE LA PAZ

DEPTO. DE INGENIERAS.

2.2 GRFICAS POR VARIABLES.


Los tipos ms comunes son:
- Las grficas de x (promedio de los elementos de una muestra).
- Las grficas R (recorrido de los elementos de una muestra).
- Las grficas s (desviacin estndar de una muestra).

2.2.1 GRAFICA DE x ( x = media de una muestra).

(Pg. 456, Stephen Shao)

EJEMPLO 1.
(pg. 456, Shao)
Las medidas individuales, hechas en 5 muestras de cuatro elementos, tomadas al azar de un proceso
manufacturero, figuran en las columnas de la tabla 1. a) Calcular los lmites de control superior e
inferior de la grafica de x , usando la frmula UCL x = x + 3 x y LCL =x 3x , donde

3 x = 3
= la desviacin estndar del proceso (poblacin).
x

Cuando es estimada por , x se vuelve s x


Entonces:
s
UCL x = x + 3 n 1

s
=
n 1

LCL

s
n |

x-3

s
n 1 ,

b) Construir la grfica de x .
SOLUCIN:
a)
Los valores requeridos para calcular los lmites de control se muestran en las columnas
(3), (4) y (5) de la tabla 1. Los clculos estn dados ms abajo.
Tabla 1.
CLCULO DE LOS LMITES DE CONTROL (EJEMPLO 1) (unidad de medida: 0.001 pulgadas en exceso
de 0.600 pulgadas, por lo tanto, 12 representa 0.612 pulgadas).
(1)
Muestra
Nmero
1
2
3
4
5

(2)
Medida de cada elemento en una muestra, x.
1
2
3
4
12
14
16
6
5
9
8
10
3
13
5
7
20
18
18
16
4
5
1
10

TOTAL
1.

(3)
X

(4)
x

S2

48
32
28
72
20
200

12
8
7
18
5
50

14.0
3.5
14.0
2.0
10.5
44.0

(5)

La media de cada muestra, x . El clculo de cada x aparece en las columnas (3) y


(4). Por ejemplo, la x para la primera muestra es 12, o
x 12 +14 +16 +6
48
x = =
=
=12
n
4
4

CALIDAD APLICADA A LA GE

M.C. JUAN MANUEL RODRGUEZ TORRES.

INSTITUTO TECNOLGICO DE LA PAZ

2.

DEPTO. DE INGENIERAS.

La media de las medias muestrales,


tambin obtenida de la columna (4),
x=

. La suma de las 5 medias muestrales ( x ) es

12 +8 +7 +18 +5
50
x
=
=
=10
Nm. de muestras
5
5

Nota: Puede calcularse tambin del total de todos los elementos, o


x=

3.

200[ total de todos los elementos, columna (3)]


20 (nmero de elementos en las 5 muestras )

Lmites de control superior e inferior. Primero, calcular s2 para cada muestra. El valor
de s2 para la primera muestra, por ejemplo, se calcula enseguida:
Tabla 2. Clculo de s2 para la tabla 1.

x =x
x

x
12 )
( x=
0
2
4
-6
0

12
14
16
6
=48

x2
0
4
16
36
56
Para datos no agrupados
(pg. 257 Stephen Shao):
s2 =

56
= 14.0
4

Enseguida, calcular s de los valores de s de la columna (5). El promedio de las cinco


varianzas muestrales es:
s2 =

N muestras

44.0
= 8.8 , y s =
5

Los lmites de control, basados en la frmula

UCL x = x 3

LC =

8.8

x 3

s
, son:
n 1

S
8.8
8.8
= 10 + 3
= 10 + 3
= 10 + 3(1.71) = 10 + 5.13= 15.13
3
n 1
4 1

LCL x = x 3

s
= 10 5.13 = 4.87
n 1

Ntese que los valores en los clculos de arriba se expresan en unidades de 0.001 pulgadas en
exceso de 0.600 pulgadas. El valor real para UCL x es, por lo tanto, 0.61513pulgadas y aqul
para el LCL x es 0.60487 pulgadas.

CALIDAD APLICADA A LA GE

M.C. JUAN MANUEL RODRGUEZ TORRES.

INSTITUTO TECNOLGICO DE LA PAZ

DEPTO. DE INGENIERAS.

N de muestra (c/u de 4 elementos)


b)

En la grfica se observa que la muestra nmero 4 ( x = 18) est arriba del lmite de
control 15.13. Por tanto, el proceso est fuera de control. La causa asignable de este proceso
deber ser descubierta y corregida inmediatamente. Una nueva grfica de control es necesaria
para controlar el proceso en el futuro.

- USO DEL PROMEDIO DE RECORRIDOS MUESTRALES, R .


ste mtodo simplifica el clculo de lmites de control. Es especialmente til cuando el nmero de
muestras y el tamao de cada muestra son grados. El smbolo R representa la media de los
recorridos de las muestras a ser incluidos en la grfica. Cuando se usa este mtodo, los lmites de
control suelen ser escritos:
UCL x = x + A2 R
y
LCL x = x A2 R
A2 es un factor del lmite de control. Los valores de A2 para tamaos seleccionados de muestras
(n = 2 a 20) aparecen en tablas. El ejemplo 2 ilustra este mtodo.
Ejemplo 2. Una compaa de productos alimenticios enlata jugo de naranja y se advierte que las
latas contienen 10 onzas del jugo. Se tomaron 25 muestras al azar de 4 latas cada una, a intervalo
de 20 min., y se obtuvieron los pesos del jugo de las latas inmediata e , despus de ser elevadas.
Las muestras estn tabuladas en las columnas (1) y (2) de la tabla 3. Los pesos en la tabla estn
dados en unidades 0.01oz. en exceso de 10 oz. Por ejemplo, el peso del jugo obtenido de la primera
lata de la primera muestra es 10.12oz. el cual, con respecto a 10oz, tiene un exceso de .12oz (
10.12-10=0.12). Puesto que la unidad en la tabla es de 0.01oz, el exceso se registra en la tabla
como 12 unidades. Construir una grfica de x para controlar los pesos del jugo de naranja para
el llenado.
Solucin. Los valores requeridos para construir la grfica de x se muestra en las columnas (3) y
(4) y se calculan como sigue:
1.
La media de cada muestra, x . El clculo de cada x se muestra en la columna
(3). Por ejemplo, la x para la primera muestra es 19.75,
x=

2.

x =
n

79
= 19.75
4

La media de las medias muestrales,


x
) se obtiene de la columna (3).

CALIDAD APLICADA A LA GE

La suma de 25 medias muestrales (

M.C. JUAN MANUEL RODRGUEZ TORRES.

INSTITUTO TECNOLGICO DE LA PAZ

x=

3.

x
25

DEPTO. DE INGENIERAS.

425
= 17
25

Lmites de control superior e inferior. El valor de R se calcula de los valores


de R que figuran en la columna (4). Por ejemplo, el valor de R para la primera muestra se
calcula como sigue:
R = 26-12 = 14

Tabla 3.
PESO DE JUGO DE NARANJA DE 25 MUESTRAS *(El peso de cada lata est expresado en unidades de
0.01oz. En exceso de 10oz.) con clculos para la grfica de x y Grfica de R .
(1)
(2)
(3)
(4)
Muestra
Peso de cada lata
Peso total
Media de la Recorrido
nmero (4 latas en cada muestra, n = 4)
de la
de 4 latas muestra, X
x
X
muestra,
R

1
12
19
22
26
79
19.75
14
2
24
6
18
16
64
16.00
18
3
7
10
17
23
57
14.25
16
4
16
23
28
13
80
20.00
15
5
20
14
19
8
61
15.25
12
6
18
24
16
15
73
18.25
9
7
24
3
12
21
60
15.00
21
8
25
14
12
19
69
17.25
13
9
12
23
17
16
68
17.00
11
10
14
21
23
14
72
18.00
9
11
22
17
19
17
75
18.75
5
12
9
8
10
13
40
10.00
5
13
8
14
21
25
68
17.00
17
14
13
23
18
20
74
18.50
10
15
1
12
14
7
34
8.50
13
16
4
15
19
19
57
14.25
15
17
19
22
24
18
83
20.75
6
18
17
24
20
21
82
20.50
7
19
26
23
27
22
98
24.50
5
20
28
19
17
8
72
18.00
20
21
24
13
18
24
79
19.75
11
22
27
21
17
4
69
17.25
23
23
14
5
16
17
52
13.00
12
24
17
19
24
18
78
19.50
7
25
15
8
14
19
56
14.00
11
TOTAL
1700
425.00
305
La R representa la medida de los valores de R, o
R=

Sustituyendo los valores de

R = 305 = 12.20
25

x,

25

y A2 (n = 4, tabla 16-3) en la frmula (16-1b):

*De la ecuacin de razn d 2 , =


CALIDAD APLICADA A LA GE

R1
. La mejor estimacin de R 1 es R . Por tanto,
d2

M.C. JUAN MANUEL RODRGUEZ TORRES.

INSTITUTO TECNOLGICO DE LA PAZ

DEPTO. DE INGENIERAS.

R
s (o la estimacin de ) =
d2

Sustituyendo el valor de por s en la frmula de 3 x = 3

(dato original).

Entonces
3
Si A2 =

3
d2

s
n

= 3

R 1 / d2
n

= (

3
d2 n

)R

. La estimacin de 3 x puede ser escrita:

A2 R

De todo esto entonces,


UCL x = x + A2 R =17 +0.729(12.29) =17 +8.8938 = 25.8938 = 25.9 10.259 (real )
LCL x = x A2 R =17 8.8938 = 8.1062 = 8.1 10.081 ( real )
Recordar que los valores originales de UCL x =x +3x y LCL x =x 3x
3 99.73% (intervalo de confianza).
El proceso est bajo control segn la grfica.
2.2.2 GRFICA DE R.
La grfica de R se usa para mostrar la variabilidad o dispersin de la calidad producida por un
proceso dado. En general, el procedimiento para construir una grfica R es similar al de la grfica
x . Los valores requeridos para construir la grfica R son:
1.
El recorrido de cada muestra, R.
2.
La medida de los recorridos de las muestras, R
3.
El lmite de control superior (UCLR) y el lmite de control inferior (LCLR) para la
grfica R..
La media de los recorridos de las muestras R es usada como la estimacin de la media de los
recorridos de todas las muestras posibles de mismo tamao n extradas del proceso (poblacin).
Por lo tanto,
UCL R = R + 3 R
LCL R = R - 3 R
Donde
R = el error estndar del recorrido (o la desviacin estndar de los recorridos de todas las

muestras posibles del mismo tamao n extradas de una poblacin dada).


En la prctica, es ms conveniente calcular los lmites de control, usando los valores D4 y D3 que
se proporcionan en la Tabla 16-3, de acuerdo con los diferentes tamaos de muestra (n = 2 a 20).
Cuando se usan los valores tabulados, los dos lmites pueden ser escritos:
UCL R = D 4 R
LCL R = D3 R
El lmite de control inferior para muestras de tamao 6 o menos, puede llegar a ser negativo. Puesto
que el valor del recorrido no puede ser negativo, en tal situacin el lmite de control inferior se sita
en cero.
Ejemplo 3. Se refiere al ejemplo 2 y a la tabla 3. Construir la grfica R.
CALIDAD APLICADA A LA GE

M.C. JUAN MANUEL RODRGUEZ TORRES.

INSTITUTO TECNOLGICO DE LA PAZ

Solucin.
1.
2.

El recorrido de cada muestra, R. Ver columna (4) de la tabla 3.


La media de los recorridos de las muestras, R .
R=

3.

DEPTO. DE INGENIERAS.

305
= 12.20
25

Los lmites de control superior e inferior. Usar los valores D 4 yD 4 para n = 4 de la


tabla 16-3 y frmula (16-2).

UCLR = 2.282(12.20)=27.8404 = 27.8


LCLR = 0(12.20) = 0
ELECCIN DE LA GRFICA DE x Y LA GRFICA DE R.
La eleccin entre la grfica de x y la grfica de R es un problema administrativo. La grfica de x
se usa para mostrar la calidad de los promedios de las muestras extradas de un proceso dado,
mientras que la grfica de R se usa para mostrar la calidad de las dispersiones (variabilidades) de las
muestras. Si la presencia de una causa asignable mostrara en ambos tipos de grficas que el proceso
est fuera de control, solamente un tipo de grfica sera probablemente suficiente para propsitos de
control estadstico de la calidad. Por otra parte, es posible que el incremento de dispersin de
control en la grfica R, pero se mantiene el proceso bajo control segn la grfica x . Inversamente,
el incremento de una media muestral puede ocasionar que el proceso est fuera de control en la
grfica de x , pero se conserve el proceso bajo control segn la grfica de R. Bajo tales
circunstancias, la administracin puede desear conservar ambos tipos de grficas de control.
En la prctica, debern construirse primero las grficas R. Si la grfica R indica que la dispersin de
la calidad del proceso est fuera de control generalmente, es mejor no construir una grfica de x
hasta que la dispersin de la calidad est bajo control. Ntese que el clculo de los lmites de
control de una grfica de x depende del valor de R .

2.2.3 GRFICA DE s. Se sugiere hacer el problema de la pg. 125 del libro Control de
Calidad de Besterfield.

2.3 GRFICAS DE CONTROL POR ATRIBUTOS.


Las ms comunes son:
1)
Grfica p ( fraccin de defectuosos).
2)
Grfica np (nmero de defectuosos).
3)
Grfica c (nmero de defectos).
4)
Grfica u (nmero de defectos por unidad).
La forma de construirlas es muy similar a las de variables.
CALIDAD APLICADA A LA GE

M.C. JUAN MANUEL RODRGUEZ TORRES.

INSTITUTO TECNOLGICO DE LA PAZ

DEPTO. DE INGENIERAS.

Grfica p (p= fraccin de defectuosos de una muestra).


Se requieren los siguientes valores para construir una grfica p.
1.

La fraccin defectuosa de cada muestra, p.


nmero de defectuosos de una muestra

np

p= nmero de elementos inspeccionados (tamao de la muestra ) = n


El tamao de n aqu ser mayor que en el caso de variables.
Porque, por ejemplo: Si solamente 0.1% del proceso es defectuoso, el tamao de la muestra debe
ser 1000 elementos si esperamos encontrar un promedio de un defectuoso por muestra.
Si por cada 1000 1 defectuoso, entonces n = 0.1%
Ya que el 10 % de 1000 = 100

1%
= 10, por lo tanto, 0.1% = 1 de 1000
Sin embargo, si medimos menos de 1000 elementos, digamos 200 elementos, como una muestra
extrada del proceso y registramos las medidas mediante nmero de unidades (variables),
ciertamente tendremos una buena indicacin del estudio de la muestra para la calidad del proceso.
2.
La fraccin promedio de defectuosos de las muestras, p .
nmero total de defectuosos de todas las muestras np
p=
=
nmero total de elementos inspeccionados
n
3.
Lmite de control superior (UCL p) y lmite de control inferior (LCL p) para la grfica p.
UCL p = P + 3 p
LCL p = P - 3 p
p= la verdadera fraccin defectuosa del proceso (poblacin)
p= PQ / n , el error estndar de p.
El valor de P es frecuentemente desconocido. Cuando el proceso est bajo control, p es
usualmente empleado como la estimacin de P.
La estimacin de p= PQ / n es, por tanto
p (1 p ) / n
puesto que Q = 1 P.
Cuando se usan los valores estimados, los lmites pueden ser escritos:
UCL p = p + 3
LCL p = p 3

p (1 p )
n
p (1 p )
n

El tamao de muestra (n) para una grfica p es preferible que sea constante; es decir, n deber ser el
mismo para todas las muestras incluidas en la grfica.
CONSTRUCCIN DE UNA GRFICA p PARA MUESTRAS DE TAMAO CONSTANTE.

Ejemplo 4. Ciertas partes de televisin, producidas por un proceso, son inspeccionadas mediante
un mtodo al azar para una nica caracterstica de calidad. Los resultados de la inspeccin estn
dados en las columnas (1), (2) y (3) de la tabla 16-5. Construir una grfica p.
TABLA 4
CALIDAD APLICADA A LA GE

M.C. JUAN MANUEL RODRGUEZ TORRES.

INSTITUTO TECNOLGICO DE LA PAZ

DEPTO. DE INGENIERAS.

Resultados de la inspeccin de partes de televisin (con clculos para la grfica p


(1)
(2)
(3)
(4)
Muestra
Nmero de
Nmero de
Fraccin de defectuosos
nmero
unidades
defectuosos
p
inspeccionadas
np
n
1
200
16
0.08
2
200
14
0.07
3
200
8
0.04
4
200
20
0.10
5
200
10
0.05
6
200
34
0.17
7
200
20
0.10
8
200
16
0.08
9
200
18
0.09
10
200
12
0.06
11
200
36
0.18
12
200
20
0.10
13
200
22
0.11
14
200
18
0.09
15
200
26
0.13
16
200
8
0.04
17
200
16
0.08
18
200
20
0.10
19
200
22
0.11
20
200
14
0.07
21
200
6
0.03
22
200
12
0.06
23
200
22
0.11
24
200
38
0.19
25
200
12
0.06
TOTAL
5000
460
2.31
SOLUCIN.
1.
La fraccin de defectuosos de cada muestra (p) aparece en la columna (4).
Ej.
nmero de defectuosos de una muestra

2.

3.

np

16

p = nmero de elementos inspec. (tamao de la muestra ) = n = 200 = 0.08


La fraccin promedio de defectuosos:
nmero total de defectuosos de todas las muestras np
460
p=
=
=
= 0.092
nmero total de elementos inspeccionados
n 5000
Los lmites de control superior e inferior:

p (1 p )
0.092 (1 0.092)
= 0.092 + 3
= 0.092 + 0.061 = 0.153
n
200
p (1 p )
= 0.092 0.061 = 0.031
LCL p = p 3 p = p 3
n

UCL p = p + 3 p = p + 3

Construir la grfica y definir las conclusiones.


Construccin de una grfica p para muestras de tamao variable.
CALIDAD APLICADA A LA GE

10

M.C. JUAN MANUEL RODRGUEZ TORRES.

INSTITUTO TECNOLGICO DE LA PAZ

DEPTO. DE INGENIERAS.

Resolver el ejemplo 5 del libro de Stephen Shao.

Grfica np (np = nmero de defectuosos de una muestra).


Una grfica np presenta el nmero real de defectuosos encontrado en cada muestra. La grfica se
aplica solamente cuando las muestras a ser incluidas son de tamao constante. Cuando el tamao de
muestra vara, deber usarse la grfica de control para la fraccin de defectuosos (grfica p) para
mostrar la calidad del producto de un proceso.

Valores requeridos para contruir una grfica np:


1)
El nmero de defectuosos de cada muestra, np.
2)
El nmero promedio de defectuosos por muestra de un tamao constante, np .
np =

nmero total de defectuosos de todas las muestras np


=
nmero de muestras
n

Si p es conocido, entonces:
np = (n) ( p ) = np
3)
Lmite de control superior (LCL np) y lmite de control inferior (LCL np) para una
grfica np.
UCL np = nP + 3np
LCL np = nP - 3np
Donde:
P = la verdadera fraccin de defectuosos del proceso (poblacin).
nP = el nmero medio de defectuosos por muestra, basado en todas las muestras
posibles de tamao n del proceso.
np = nP(1 P ) , el error estndar de np derivado de la frmula = nPQ ;

donde

Q =1 P

Cuando el proceso est bajo control, p es usualmente usada como la estimacin de P. Cuando P se
reemplaza por p , los lmites de control pueden ser escritos:
UCL np = np +3
LCL np = np 3

np (1 p )
np (1 p )

Ejemplo 6. Se refiere al ejemplo 4 y tabla 16-5, el cual da 25 muestras de tamao constante de


200 elementos. Calcular los valores requeridos para construir una grfica np.
Solucin.
1.
El nmero de defectuosos de cada muestra, np, se presenta en la columna (3) de la tabla 165.
2.
El nmero medio de defectuosos por muestra:
np = n p =

,
3.

np
460
=
= 18.4
nmero de muestras
25

np = 200 (0.092) = 18.4.

p = 0.092

Los lmites de control superior e inferior.


11

CALIDAD APLICADA A LA GE

M.C. JUAN MANUEL RODRGUEZ TORRES.

INSTITUTO TECNOLGICO DE LA PAZ


UCLnp

DEPTO. DE INGENIERAS.
np +

3 np (1 p ) = (200)(0.092) +3 (200)(0.092)(1 0.092) =18.4 +12.3 = 30.7

LCLnp

np -

3 np (1 p ) = ( 200)(0.092) 3 (200)(0.092)(1 0.092) =18.4 12.3 = 6.1

La grfica p y la grfica np proporcionan la misma informacin con relacin al proceso; es decir,


est bajo o fuera de control. Sin embargo, cuando el tamao de la muestra es constante, la grfica
np tiene ciertas ventajas sobre la grfica p. la grfica np no requiere el clculo de los valores de p
para todas las muestras. El nmero real de defectuosos, marcado sobre la grfica np, es ms
fcilmente comprensible que las marcas relativas a las fracciones en una grfica p.
GRFICA c (c = nmero de defectos por unidad [muestra]).
Las muestras incluidas en una grfica c son productos individuales de tamao constante. El nmero
de defectos en cada producto, representado por la letra c, se cuenta y registra como el valor de una
muestra.
Un defecto es diferente de un defectuoso.
Al aplicar una grfica c, la distribucin de posibilidad de los nmeros de defectos de un producto
(valores de c) de un proceso, deber seguir el patrn de la distribucin de Poisson (pg. 292,
Stephen Shao).
Valores requeridos para construir una grfica c:
1.
El nmero de defectos en cada muestra, c.
El nmero de defectos se expresa en un nmero entero. Las muestras se marcan en una grfica c
de acuerdo a la escala c (vertical) y el orden de los nmeros de la muestra en la escala
horizontal.
2.
El nmero promedio de defectos de las muestras, c .
c =

3.

N total de defectos de todas las muestras


Nmero de muestras inspeccionadas

Lmite de control superior (UCL c) y lmite de control inferior (LCL c) para una grfica c.
UCL c = c +3 c
LCL c = c 3 c
Donde
c = el verdadero nmero promedio de defectos por producto ( o unidad muestral) del
proceso.
c = el error estndar de c (o la desviacin estndar de la distribucin de Poisson. Ver
frmula (10-12), pg 297.
=
(10-12)

= desviacin estndar de la distribucin de Poisson.


El valor de c es usualmente desconocido. Cuando el proceso est bajo control, c es usado como
una estimacin de c . Cuando se usa el valor estimado, los lmites pueden ser escritos:
UCL c = c +3 c
=
LCL c = c 3 c
Ejemplo7.
Supongamos que 25 botellas de vidrio para leche de 10 oz. son seleccionadas al azar
de un proceso. El nmero de burbujas de aire (defectos) observado en las botellas, est dado en la
tabla 16-7.
CALIDAD APLICADA A LA GE

12

M.C. JUAN MANUEL RODRGUEZ TORRES.

INSTITUTO TECNOLGICO DE LA PAZ

DEPTO. DE INGENIERAS.

Calcular los valores requeridos para construir una grfica c.


Solucin.
1.
El nmero de defectos (c) para cada muestra (botella). Los valores de c estn dados en la
tabla 5.
TABLA 5
DEFECTOS OBSERVADOS EN 25 BOTELLAS DE VIDRIO PARA LECHE
(c = NMERO DE BURBUJITAS DE AIRE (DEFECTOS) EN CADA BOTELLA)
Botella nmero
Defectos Botella nmero
Defectos
Botella nmero
Defectos
(orden de la
(orden de la
(orden de la
muestra)
c
muestra)
c
muestra)
c
1
8
10
4
19
9
2
7
11
5
20
8
3
6
12
6
21
7
4
5
13
7
22
6
5
3
14
3
23
5
6
4
15
2
24
4
7
8
16
4
25
3
8
5
17
10
TOTAL
144
9
4
18
11

2. El nmero medio de defectos, c .


Nmero total de defectos de todas las muestras
144
=
= 5.76
Nmero de muestras inspeccionadas
25

c =

3. Lmites de control superior e inferior.


3

=3

UCLc = c + 3

LCLc = c 3

5.76 =3 ( 2.4) =7.2

c = 5.76 + 7.2 =12.96

c = 5.76 7.2 = 1.44

o registrado como cero, puesto que el nmero


de defectos no puede ser negativo.

Al observar cada uno de los valores de c en la tabla 5, se puede ver todos son inferiores a 12.96
defectos, el valor de UCLA. Por lo tanto, el proceso est bajo control estadstico. En
consecuencia, se obtuvo la naturaleza del proceso sin tener la grfica de c; sin embargo, debe
aceptarse que es muy til observar el comportamiento de cada valor con respecto a los dems,
pero de manera grfica.
BIBLIOGRAFA:
1. Besterfield, Dale H., 1995. Control de Calidad. Cuarta Edicin. Prentice Hall Hispanoamericana.
4 Cap., Mxico.
2. Shao, Stephen P., 1988. Estadstica para economistas y administradores de empresas. Vigsima
Edicin, Edit.Herrero Hnos., Cap. 16, Mxico.
3. Gonzlez, Carlos, 1998. Control de Calidad.

CALIDAD APLICADA A LA GE

13

M.C. JUAN MANUEL RODRGUEZ TORRES.