CURSO: GESTION DE LA CALIDAD

ZONAL AREQUIPA-PUNO

ESPECIALIDAD: ADMINISTRACION INDUSTRIAL - INSTRUCTOR: Ing. Máximo Umpire S. – Grupo: V

SESION 6: GRAFICOS DE CONTROL POR ATRIBUTOS

Objetivo. Al término de la sesión, el alumno construirá y analizará las cartas de control por procesos y por atributos.
1. Gráficos de control por atributos.

Las gráficas de control X y R (que son gráficas por variables), no son aplicables a los muestreos de atributos, los
cuales casi siempre se clasifican como defectuosos o no defectuosos. La medición de defectuosos implica contarlos
(por ejemplo, número de focos malos en un lote determinado, o número de cartas o registros de datos escritos
con error) mientras que las variables suelen medirse por longitud o peso.

Existen dos tipos de gráficas de control para atributos:

1. Las que miden el porcentaje de defectos en una muestra, denominadas gráficas p
2. Las que cuentan el número de defectos, llamadas gráficas c.

2. Proporción de defectuosos, productos buenos (q=1-p)

Gráficas p, Son gráficas de control de calidad que se usan para controlar atributos. La principal forma de controlar
los atributos es usar las gráficas p. Aunque los atributos que son buenos o malos siguen una distribución
binomial, se utiliza la distribución normal para calcular los límites de la gráfica p cuando los tamaños de las
muestras son grandes. El procedimiento se asemeja al enfoque de la gráfica que también tiene como base el
teorema del límite central

3. Determinación de los límites de control

Se presentan las fórmulas para los límites de control superior e inferior de la gráfica :

Donde:
= fracción media de defectos en la muestra
z = número de desviaciones estándar (z = 2 para límites 95.45%; z = 3 para límites de 99.73%)
= desviación estándar para la distribución de la muestra, la cual se estima con la siguiente fórmula:

donde n = tamaño de cada muestra

Ejemplo 1. Los encargados de trámite de expedientes de solicitud de licencias de conducir del MTC, introducen miles
de expedientes al sistema cada día. En la tabla se presentan las muestras del trabajo de 20 empleados. Se
examinaron cuidadosamente cien expedientes registrados por cada empleado y se contó el número de errores.
Después se calculó la fracción defectuosa en cada muestra.

Numero Número Numero Número Numero Número Numero Número

Fracción Fracción Fracción Fracción
de de de de de de de de
Defectuosa Defectuosa Defectuosa Defectuosa
muestra errores muestra errores muestra errores muestra errores

1 6 0.06 6 2 0.02 11 6 0.06 16 4 0.04

2 5 0.05 7 5 0.05 12 1 0.01 17 11 0.11
3 0 0.00 8 3 0.03 13 8 0.08 18 3 0.03
4 1 0.01 9 3 0.03 14 7 0.07 19 0 0.00
5 4 0.04 10 2 0.02 15 5 0.05 20 4 0.047

Establezca los límites de control que incluyan 99.73% de la variación aleatoria en el proceso de captura cuando está
bajo control.

Nota: 100 es el tamaño de cada muestra. Entonces, calculamos los límites

1
Cuando graficamos los límites de control y la fracción defectuosa de la muestra, encontramos que sólo una persona
que captura datos (número 17) está fuera de control. Es posible que la empresa quiera examinar el trabajo individual
un poco más de cerca para observar si existen problemas serios, vea la gráfica.

Ejemplo 2. Se estima que la operación de fresado de un proceso arroja un 2% de piezas defectuosas. Se desea
controlar la operación mediante un gráfico de fracción defectuosa 3Sigma, mediante la extracción de muestras de 50
piezas cada dos horas. La siguiente tabla contiene el número de piezas defectuosas en las últimas 12 muestras.

Explicación. Observe que la fracción defectuosa de las 12 muestras están entre los límites de control, lo cual indica
que el proceso está bajo control y por lo tanto no hay razones para pensar que hay causas de variaciones diferentes a
las aleatorias

4. Gráficos C para controlar el número de defectuosos de una muestra

En el ejemplo 1, contamos el número de expedientes ingresados o defectuosos. Un registro defectuoso es aquel que
no está exactamente correcto porque tiene cuando menos un defecto. Sin embargo, un registro malo puede contener
más de un defecto. Las gráficas c se usan para controlar el número de defectos por unidad de salida (o por
expediente en el caso anterior).

2
Las gráficas de control de defectos son útiles para vigilar procesos en los que existe un gran número de errores
potenciales, pero que en realidad ocurre un número relativamente pequeño. Los defectos pueden ser errores en las
palabras de un periódico, circuitos malos en un microchip, imperfecciones en una mesa o la falta de pepinillos en una
hamburguesa.

La distribución de probabilidad de Poisson, donde la varianza es igual a la media, es la base de las gráficas c. Como c
es el número promedio de los defectos por unidad, la desviación estándar es igual a .
Para calcular los límites de control de 99.73% para , utilizamos la fórmula:

Ejemplo. La empresa de taxis TAXITEL recibe varias quejas al día sobre el mal trato en el servicio de sus
conductores.
Durante un periodo de 9 días (donde los días son la unidad de medida), el gerente recibió los siguientes números de
llamadas de pasajeros molestos por el mal trato: 3, 0, 8, 9, 6, 7, 4, 9, 8, es decir, un total de 54 reclamaciones.

Solución: Para calcular los límites de control de 99.73%, tomamos:

Después de que el gerente trazó una gráfica de control que resumía estos datos y la colocó en un lugar visible de las
oficinas de acceso a los conductores, el número de llamadas recibidas descendió a un promedio de tres por día.
¿Podría usted explicar por qué ocurrió esto?

5. Gráficos U para controlar el número promedio de defectos por unidad

La gráfica c se aplica cuando el tamaño de subgrupo es una unidad inspeccionada igual a uno, como una canoa, un
avión, 1000 pies cuadrados de tela, una resma de papel, 100 formas de declaración de impuestos o un cuñete de
clavos.

La unidad inspeccionada puede tener cualquier tamaño que cumpla con el objetivo; sin embargo, debe ser constante.
Recuerde que n, el tamaño del subgrupo, no aparece en los cálculos, porque su valor es 1. Cuando se presentan casos
en los que varía el tamaño de subgrupo, entonces la gráfica u (cuenta de no conformidades/unidad) es la gráfica
adecuada. También se puede usar la gráfica u cuando el tamaño de subgrupo es constante.

El gráfico U se utiliza cuando no es posible tener siempre la misma unidad de medida para contar el número de
defectos (o no conformidades, o clientes, etc.). Entonces, se controla el número medio de defectos por unidad de
medida. Por ejemplo:

Los elementos a analizar pueden contener un número variable de unidades: por ejemplo, dos rollos de película
fotográfica no tendrán exactamente la misma longitud, diferentes láminas de vidrio tendrán distinta superficie. Es
difícil tomar mediciones a intervalos iguales de tiempo: el inspector puede estar dedicado a varias tareas, por lo que
es necesario un esquema más flexible.

La gráfica u es idéntica a la gráfica c, en todos sus aspectos, excepto en dos. Una diferencia es la escala, que es
continua para una gráfica u, pero discreta para la gráfica c. Esta diferencia permite tener más flexibilidad en la gráfica
w, porque el tamaño del subgrupo puede variar. La otra diferencia es el tamaño del subgrupo, que es 1 para la gráfica
c.

En lugar de tener límites de control de tamaño variables, dependiendo del tamaño de cada muestra, como en el caso
de las ecuaciones anteriores, se considera el tamaño promedio de las muestras y este valor se sustituye en las
ecuaciones anteriores de tal forma que nos queda:

TAREA 6: EJERCICIOS DE GRÁFICOS DE CONTROL POR ATRIBUTOS.

1. Usted busca desarrollar un sistema de monitoreo de la calidad para algunas partes que se compran de Warton
& Cota Manufacturing Co. Las partes son buenas o defectuosas. Usted decidió tomar una muestra de 100
unidades. Construya una tabla de los límites de control superior e inferior de una gráfica con varios valores de
la fracción defectuosa en la muestra tomada. En esta tabla los valores para p muestran un rango de 0.02 a
0.10 en incrementos de 0.02. Desarrolle los límites de control superior e inferior para 99.73% de nivel de
seguridad. (vea la tabla)

3
2. La tabla da los resultados de la inspección de las muestras de ADN tomadas durante los últimos 10 días. El
tamaño de la muestra es 100.

a) Elabore una gráfica p 3-sigma con esta información.

b) Si el número de defectos en los siguientes tres días es 12, 5 y 13 ¿El proceso está bajo control?

3. En el pasado, la tasa de defectos de sus productos fue 1.5%. ¿Cuáles son los límites de control superior e
inferior de la gráfica si desea usar un tamaño de muestra de 100 y z = 3?

4. El Hospital Central de Detroit busca mejorar su imagen proporcionando una experiencia positiva a sus
pacientes y familiares. Parte del programa de “imagen” incluye comidas sabrosas que inviten a los pacientes a
comer sanamente. Un cuestionario acompaña cada comida que se sirve y pregunta, entre otras cosas, si
están satisfechos o insatisfechos con la comida. Los resultados de una muestra de 100 pacientes de la
encuesta durante los pasados 7 días arrojaron la siguiente información:

Elabore una gráfica p en la que se muestre el porcentaje de pacientes insatisfechos con sus comidas.
Establezca los límites de control para incluir 99.73% de la variación aleatoria de satisfacción con la comida.
Comente sus resultados

5. Chicago Supply Company fabrica clips y otros productos de oficina. Aun cuando son baratos, los clips
han dado a la compañía un alto margen de utilidad. Se toman muestras de 200 artículos. A
continuación, se observan los resultados de las últimas 10 muestras. Establezca los límites de control
superior e inferior para la gráfica de control y grafique los datos. ¿Está el proceso bajo control?

6. Grafico p:Un proceso produce un promedio de 1% defectuoso. Se toman muestras de 100 artículos
cada día, registrando el número de defectuosos, durante doce días, tal como se muestra en la siguiente
tabla:

Grafico c: Una empresa produce una variedad de cinta decorativa auto adhesiva en rollos 10 metros,
que puede inspeccionarse por atributos. Se toman muestras durante 30 días, inspeccionando cada día
10 rollos, encontrándose 190 defectos en la totalidad de las muestras inspeccionadas en los 30 días.