GRÁFICOS DE CONTROL

PARA ATRIBUTOS
 Qué es un ATRIBUTO
Se refiere a todas aquellas características que
cumplen determinadas especificaciones o que no
cumplen con ellas
 Gráficos de Atributos

Objetivos:

• Calcular el nivel promedio de la calidad

• Llamar la atención del área administrativa
• Mejorar la calidad del producto
• Evaluar el desempeño de calidad del personal de
operación y administrativo
• Sugerir posibles aplicaciones de las gráficas de la media y
el rango
• Definir el criterio de aceptación de un producto antes de
enviarlo al cliente
 CALIFICACIÓN DE ATRIBUTOS
Inspección visual: color, ralladuras,
partes faltantes, daños, forma, Utilizando dispositivos especiales
apariencia, sabor, textura, etc.

TERMINOS UTILIZADOS PARA INDICAR QUE UN ATRIBUTO CUMPLE

O NO CUMPLE CON LAS ESPECIFICACIONES:

• Conforme o disconforme
• Defectuoso o no defectuoso
• Correcto o incorrecto
• Adecuado o inadecuado
• Bueno o malo
• Pasa o no pasa
• Presente o ausente
 Gráficos de Atributos
Permiten el control de varias características de calidad a la
vez
Tienen un costo de inspección más bajo que los gráficos de
VENTAJAS variables
Se pueden usar calibres pasa-no pasa

Requieren una excelente organización de la inspección y la

información recolectada
Muestras mayores
DESVENTAJAS Considerar la estandarización de criterios de aceptación y
rechazo
La información recolectada debe contemplar procedimientos
que permitan investigar causas asignables de variación
Los gráficos de control por atributos permiten
calificar las cualidades de un producto en:

• Recepción de Materias Primas

• Durante las etapas del proceso
• Inspección en productos terminados

Las mejoras en la calidad generan mejoras en la productividad

 Defectuosos vs Disconforme
¿Qué es una unidad defectuosa?

Es una unidad que no cumple con la norma de producción y que posee

defectos que pueden ser o no corregidos llevando a un reproceso o a un
desecho parcial o total del producto.

¿Qué es una unidad disconforme?

Es una unidad que no cumple con la norma de producción y que por lo tanto
no puede ser aceptada.

¿Qué causa los productos defectuosos?

¿Todos los defectos iguales?
 Tipos de Gráficos de Atributos

GRAFICOS DE ARTÍCULOS GRAFICOS DEL NÚMERO DE

DEFECTUOSOS DEFECTOS

• Número de Defectos por muestra

(c)
• Fracción de artículos
• Número de Defectos por unidad
defectuosos (p)
(u)
• Número de artículos
• Número de Defectos por cien
defectuosos (np)
unidades (100u)
• Gráfico de Deméritos (D)
 PROCEDIMIENTO GENERAL

• Identifique el proceso o máquina que causa problemas

• Identifique el tipo de gráfico en relación a lo atributos
• Establezca el tamaño de muestra adecuado n = 20 o más
• Establezca el número de muestras m = 20 o más
• Diseñe la hoja de verificación para la toma de las muestras
• Efectúe la recolección de los datos por medio de la hoja de
verificación
• Efectúe los cálculos preliminares
• Calcule los límites de control
• Construya el gráfico
• Analice el gráfico (correctivo y preventivo)
• Seguimiento del Proceso
 GRAFICO
FRACCCIÓN DE ARTÍCULOS DEFECTUSOS (p)
D es el número de unidades defectuosas en una muestra
D
aleatoria de tamaño n,
aleatoria
p̂ distribución de la variable
ˆ 
p
n
m

 pˆ
Se tiene m muestras preliminares cada m
1
una de tamaño n, y sea Di el número de
artículos defectuosos
p
mn
 Di
i 1 p i 1
i

m
m

D i
Si las muestras no son de igual tamaño, entonces: p i 1
m

n
i 1
i

Estimador de la fracción artículos defectuosos

promedio p
 LÍMITES DEL GRÁFICO (p)
m

𝐿𝐶𝐶= 𝑝 ̅ ˆ 
p
D  pˆ i
n p i 1
LC´s  ( p  3 p ) m
m
( p )(1  p ) 1
p  Tamaño de muestra constante p
mn
D i 1
i

n
( p )(1  p ) m

D
Tamaño de muestra variable: utilizando el método 1:
p  límites individuales.
i
ni p i 1
m

p 
( p )(1  p ) Tamaño de muestra variable: utilizando el método 2:
tamaño de muestra promedio
n
i 1
i

n m

n i
n i 1
m
Corrección de los límites de control
 ANALISIS DEL GRAFICO

Se debe tomar en cuenta:

1. La situación del proceso con respecto a si mismo:

• Muestras sobre el límite superior de control
• Muestras bajo el límite inferior de control

2. El control del proceso con respecto a las especificaciones

 Muestras sobre el límite superior de control

• Si existen muestras sobre el LCS es necesario eliminarlas y recalcular p

• Revisar de nuevo si existen puntos fuera de control
• Si los hay, se recalculan de nuevo la fracción p
• Si se elimina más del 40% de las muestras, el estudio pierde validez
estadística y por lo tanto no es conveniente continuar
• Se deben introducir mejoras que reduzcan el porcentaje defectuosos y
repetir el análisis con nueva información

p= fracción defectuosa modificada

𝐷−𝐴 D= total de defectos o disconformes originales
A= número de defectos sobre el LSC
𝑝̅ = m= valor inicial de muestras
𝑚−𝑠 ∗𝑛 s= número de muestras que superan el LSC
n= tamaño de la muestra
 Muestras bajo el Límite Inferior de Control
• Si el LIC es negativo queda igual a 0
• Las muestras que se encuentran bajo el LIC no se eliminarse, pero sí
investigar las razones.
• Dentro de las posibles causas se tienen:
• Punto de vista optimista; mejoras considerables en el nivel del
proceso.
• Punto de vista pesimista; inspección que no se ejecuta
correctamente, por razones de falta de entrenamiento o
negligencia.
• Situaciones favorables: establecer mecanismos que permitan la
aplicación efectiva de los medios que generan una baja fracción
defectuosa.
• Situaciones indeseables: ejercer de inmediato las acciones con el fin de
eliminar totalmente las causas.
 El control del proceso con respecto a
las especificaciones

• Si no se cumplen con las especificaciones se deben introducir

mejoras que disminuyan la fracción defectuosa o pactar una
nueva fracción con el cliente si es posible.
• Esto último es la única opción que queda cuando se tiene
certeza de que el proceso no tiene posibilidad de mejora.
 EJEMPLOS

GRÁFICO p DE FRACCION DEFECTUOSA PARA PANTALONES

0,25

0,2 0,2
FRACCION DEFECTUOSA

0,16
0,15
0,14

0,1 0,1 0,1

0,08 0,08 0,08 0,08
0,06 0,06 0,06 0,06
0,05
0,04 0,04 0,04 0,04 0,04
0,02 0,02
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
MUESTRAS
IT1 IT1 IT1 FD
Gráfico del número
de defectuosos: np
 GENERALIDADES

• Tiene las mismas características que el gráfico de p, con la diferencia de

que en lugar del valor de p en el eje y, se usa el valor de np (número de
artículos defectuoso)
• La forma del gráfico es la misma, pero la información que se obtiene es
diferente, pues el gráfico p origina conclusiones con base en valores
relativos, mientras que el gráfico np las origina con base en valores
absolutos
• Depende de lo que se desee seleccionar de uno u otro
• Este gráfico solamente se usa para tamaños de muestra constante
• Los pasos en la construcción, análisis y seguimiento son los mismos del
gráfico p, con algunas variantes en el cálculo
 Los gráficos np se utilizan para controlar el número de
defectuosos en una muestra.
Suponga un proceso que fabrica tornillos. Una manera
de revisar cada tornillo sería probarlo con una
rosca calibrada.

El resultado de este ensayo sólo tiene dos posibles

resultados: Defectuoso-No Defectuoso (ó Conforme-
Disconforme ).

Si el tornillo no entra en la rosca, se lo considera defectuoso o

disconforme.

Para controlar este proceso, se puede tomar una muestra de tornillos

y contar el número de defectuosos presentes en la muestra.
Para controlar el proceso, un inspector se coloca al final de la línea de producción
y cada hora retira una muestra de n = 50 tornillos, comprueba cada uno con la
rosca y anota el número de defectuosos.

Este resultado se anota en un gráfico hora por hora

 LIMITES DE GRAFICOS DE
ARTÍCULOS DEFECTUOSOS (np)

𝑛𝑝 ̅= 𝑛𝑝/𝑚 LIC  np  3 np (1  p )

1 m
LCC  np
p  np
mn i 1
LSC  np  3 np (1  p )
n𝑝 = numero promedio de defectuosos modificada np − F
Sumatoria de np = total de defectos originales n𝑝 =
F= defectos sobre el LSC 𝑚−l
m= número inicial de muestras
l= número de muestras que superan el LSC
 GRÁFICO DE CONTROL (p) GRÁFICOS DE CONTROL (np)
FRACCIÓN DE ARTÍCULOS DEFECTUOSOS NÚMERO DE ARTÍCULOS
m DEFECTUOSOS
𝐿𝐶𝐶= 𝑝 ̅
ˆ 
p
D  pˆ i
p i 1

LC´s  ( p  3 p ) n m 𝑛𝑝 ̅= 𝑛𝑝/𝑚
Tamaño de muestra constante

( p )(1  p ) 1 m
p 
 np
m
1
p
mn
D i
p
n i 1
mn i 1
( p )(1  p ) m
p  D
Tamaño de muestra variable:

ni i
utilizando el método 1: límites
individuales. LIC  np  3 np (1  p )
p i 1
m
Tamaño de muestra variable:
LCC  np
( p )(1  p )
n
utilizando el método 2:

p 
tamaño de muestra promedio

i
LSC  np  3 np (1  p )
m

n i 1 n i
n i 1
m
𝑝̅ =
𝐷−𝐴
𝐷−𝐴 np − F
𝑚−𝑠 ∗𝑛 𝑝̅ = n𝑝 =
𝑚−𝑠 ∗ñ 𝑚−l
p= fracción defectuosa modificada
D= total de defectos o disconformes originales n𝑝 = numero promedio de defectuosos
A= número de defectos sobre el LSC modificada
m= valor inicial de muestras Sumatoria de np = total de defectos
s= número de muestras que superan el LSC originales
n= tamaño de la muestra, ñ tamaño de la F= defectos sobre el LSC
muestra para muestras variables m= número inicial de muestras
l= número de muestras que superan el LSC
EJEMPLO