Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Graficos de Control Por Atributos 2003
Graficos de Control Por Atributos 2003
Introduccin
La base estadstica para definir los lmites de control es comn con los restantes
grficos de Shewhart: Si W es un estadstico que describe una determinada
caracterstica de calidad siendo w y w2 su media y su varianza, los lmites de
control se definen como :
Los lmites de control para la produccin actual deben basarse en datos obtenidos
de una situacin estable. Por ello, cuando alguno de los puntos iniciales est fuera
de control se hace necesario revisar los lmites de control. Esto se realiza
examinando cada punto fuera de control y buscando las causas asignables. Si se
localiza la causa asignable se descarta el punto correspondiente y se vuelven a
calcular los lmites de control con los puntos restantes. Puede darse el caso que
alguno de estos restantes puntos se encuentre ahora fuera de control respecto de
los nuevos lmites ya que estos sern, normalmente, ms estrechos que los
iniciales. Entonces, deben repetirse los pasos dados anteriormente hasta que
todos los puntos se encuentren dentro de control con lo que ya podremos adoptar
los lmites hasta entonces provisionales como lmites definitivos.
Se ha sugerido que el tamao de muestra debe ser lo bastante grande para tener
una probabilidad de aprox. 50% de detectar un cambio de una determinada
magnitud. Por ejemplo, supongamos que p = 0,01 y que queremos que la
probabilidad de detectar un cambio a p = 0,05 sea del 50%. Suponiendo que
aproximamos la distribucin binomial respecto de la normal, escogeremos de tal
forma que el lmite de Control Superior coincide con la fraccin no conforme en la
situacin de fuera de control. Si 6 es la magnitud del cambio del proceso, entonces
n debe satisfacer
Los lmites 3 son los que se usan con ms frecuencia aunque pueden adaptarse
otros ms sensibles a costa de exponerse a situaciones ms frecuentes de falsa
alarma.
Hay que tener en cuenta que los lmites de control estudiados se basan en la
distribucin binomial que considera constante la proporcin defectuosa p y que
los valores sucesivos son independientes. En procesos en los que las unidades no
conformes estn agrupadas o en los que la probabilidad de producir una unidad
defectuosa depende de que la anterior unidad producida haya sido no defectuosa,
no son aplicables este tipo de grficos.
Deben examinarse con cuidado aquellos puntos situados por debajo del lmite de
control inferior. Estos puntos no suelen ser lo que aparentemente indican: Una
mejora en la calidad del proceso por disminucin de a sino que suelen originarse
por errores en la inspeccin o por causa de aparatos de medida mal calibrados.
Tambin puede deberse a que los operadores hayan registrado datos ficticios para
cubrir su responsabilidad.
Supongamos un proceso que fabrica tornillos. Una manera de ensayar cada tornillo sera
probarlo con una rosca calibrada.
El resultado de este ensayo slo tiene dos posibles resultados:
Defectuoso - No Defectuoso ( Conforme-No Conforme )
. Si el tornillo no entra en la rosca, se lo considera defectuoso o no
conforme.
Para controlar este proceso, se puede tomar una muestra de tornillos y contar el
nmero de defectuosos presentes en la muestra.
Este resultado se anota en un grfico hora por hora denominado grfico np.
Para construir los grficos de control np, en una primera etapa se toman N
muestras (ms de 20 25) a intervalos regulares, cada una con n tornillos. Se
cuenta en cada muestra el Nmero de Defectuosos y se registra. Se obtendra una
Tabla como la siguiente:
Con esto podemos calcular los Lmites de Control para el grfico np:
Para las personas con poco entrenamiento estadstico, este grfico suele ser ms fcil de
interpretar que el grfico p. Frecuentemente se utiliza solo el lmite superior.
En algunos procesos interesa medir la cantidad de defectos que presentan las unidades de
producto que se estn fabricando. Por ejemplo, se fabrican telfonos celulares y entonces se
toma uno de ellos y se cuenta el nmero total de defectos. Estos podran ser:
Rayas en la superficie.
grietas en el plstico
Antena defectuosa
Botn defectuoso.
Etc.
Los defectos pueden ser de diferentes tipos y se cuenta el total de todos estos
defectos en la unidad inspeccionada. Obtenemos un resultado que es el Nmero
de Defectos por unidad de inspeccin.
A medida que el proceso genera las unidades (Telfonos mviles), retiramos una
unidad a intervalos regulares y contamos el nmero total de defectos. En cada
unidad podemos encontrar:?
0 defectos
1 defecto
2 defectos
...
n defectos
Los grficos C se utilizan para controlar el nmero de defectos en una muestra del
producto o unidad de inspeccin. Para controlar este proceso, un inspector se
coloca al final de la lnea de produccin y cada cierto intervalo retira una unidad de
inspeccin, verifica y anota el nmero total de defectos.
Una unidad defectuosa puede tener uno o ms defectos. Sin embargo, es posible
que una unidad de producto tenga varios defectos y que no sea clasificada como
defectuosa debido a la naturaleza poco importante del defecto. Existen en la
prctica muchas situaciones en las que es preferible trabajar con el nmero de
defectos que con el porcentaje o el nmero de unidades defectuosas. Por ejemplo,
el nmero de soldaduras defectuosas en un tubo de conduccin de gas, el nmero
de defectos funcionales es un dispositivo electrnico, etc.
Se pueden efectuar grficos de control para el nmero total de defectos por unidad
de producto o para el nmero de defectos en la muestra. Estos grficos de control
se basan en la distribucin de Posson que exige un nmero de puntos donde
potencialmente podra producirse el defecto infinitamente grande, as como que la
probabilidad de que el defecto aparezca en un determinado punto sea muy
pequea y constante.
La unidad de inspeccin debe ser la misma en cada muestra. Es decir cada
unidad de inspeccin debe representar siempre una probabilidad igual de que se
produzcan los defectos. En la mayor parte de las situaciones prcticas, estas
condiciones no se satisfacen exactamente. El nmero de oportunidades (puntos)
para los defectos suele ser finito y la probabilidad de aparicin de defectos puede
no ser constante. Si las desviaciones respecto de la situacin ideal no son
importantes, puede usarse el modelo de Poisson. Existen, sin embargo, casos en
los que las desviaciones respecto de las condiciones del modelo son
considerables y en los que la utilizacin de la distribucin de Poisson es
inadecuada.
Hay que tener en cuenta que la probabilidad de producir una falsa alarma por
situarse el punto por encima del lmite de control superior es diferente que la de
situarse por debajo del lmite inferior (colas superior e inferior diferentes). Si no se
conoce el parmetro c, debe estimarse a partir de una muestra preliminar de
unidades de inspeccin. El valor obtenido en la estimacin, O sustituir al valor O
en los lmites arriba indicados.
Anlisis de defectos
Los datos sobre defectos aportan siempre mayor informacin que los relativos a
unidades defectuosas ya que habitualmente existen diversos tipos de defectos.
Al analizar por conteo la frecuencia de cada tipo de defecto observamos que, en
muchas ocasiones, los resultados estn acordes con la distribucin de PARETO y
que un pequeo nmero de defectos es causa de la mayor parte de los
problemas. Si somos capaces de eliminar las causas de unos pocos tipos de
defectos, habremos conseguido una drstica mejora en la calidad.
Grfico u
Se debe tener en cuenta que x es una nueva variable aleatoria discreta que toma
valores 0, 1/m, 2/m, etc., y cuya distribucin de probabilidades se puede
calcular a partir de la Distribucin de Poisson.