CONTROL

ESTADÍSTICO
DE CALIDAD
GRÁFICOS DE CONTROL PARA
ATRIBUTOS
Gráficas de Control por Atributos

Las Gráficas de Control son gráficas

utilizadas para estudiar de qué forma el
proceso cambia a través del tiempo.

UCL

Avg

LCL
 Gráfica de
Control
de Atributos

Piezas Defectos por

Defectuosas pieza

Gráfica p Gráfica np Gráfica u Gráfica c

Lotes de Lotes de Lotes de Lotes de

tamaño tamaño tamaño tamaño
variable constante variable constante
Gráficas de Control Por Atributos
p: Productos no conformes o defectuosos
en lotes de tamaño variable (proporción)

np: Número de unidades defectuosas

por tamaño de lote constante

c: Número de defectos por subgrupo de

tamaño constante o por unidad.

u: Proporción de defectos por

subgrupo variable.
Tomado de :
http://www.fundibeq.org/opencms/export/sites/default/PWF/downloads/gallery/methodology/tools/graficos_de_control_por_atributos.pdf
 1. GRAFICO P:
Proporción de defectuosos

 Diagrama que muestra la proporción de unidades

defectuosas (no conformes).

 Evalúa el desempeño de una parte o de todo el proceso,

tomando en cuenta su variabilidad con el propósito de
detectar causas o cambios especiales en el mismo.

 Se pueden evaluar muchas características de calidad.

 1. GRAFICO P
Proporción de productos defectuosos o no
conformes en tamaños de lote variables.

= __# Productos NC___

# Productos inspeccionados

= # Productos inspeccionados
# Subgrupos

Nota: Cuando los valores de los límites de control son

negativos, se toma el valor de cero “0”.
Ejemplo Práctico

Determinar la proporción de productos

defectuosos en una empresa que fabrica X
productos, donde en la inspección de
cada lote se identificaron diferentes
unidades defectuosas.
Ejemplo

Determinar la proporción de productos

defectuosos en una empresa que fabrica
celulares, donde en la inspección de cada
lote se identificaron diferentes unidades
defectuosas
Ejemplo

CANT.
TAMAÑO DEL
SUBGRUPO ARTÍCULOS NO PROPORCIÓN
LOTE (ni)
CONFORMES

1 300 15 0,050
2 300 12 0,040
3 300 15 0,050
4 300 7 0,023
5 300 16 0,053
6 300 6 0,020 = __# Productos NC___
7 300 18 0,060 # Productos inspeccionados
8 280 10 0,036
9 290 9 0,031 = # Productos inspeccionados
10 300 25 0,083 # Subgrupos
Ejemplo

TAMAÑO DE CANT.
SUBGRUPO LA MUESTRA ARTÍCULOS NO PROPORCIÓN
(ni) CONFORMES

1 300 15 0,050
2 350 12 0,040
3 200 15 0,050
4 480 7 0,023
5 310 16 0,053
6 250 6 0,020 = __# Productos NC___
7 350 18 0,060 # Productos inspeccionados
8 280 10 0,036
9 290 9 0,031 = # Productos inspeccionados
10 300 25 0,083 # Subgrupos
Ejemplo

CANT.
TAMAÑO DEL
SUBGRUPO ARTÍCULOS NO PROPORCIÓN
LOTE (ni)
CONFORMES

1 300 15 0,050
2 350 12 0,040
3 200 15 0,050
4 480 7 0,023
5 310 16 0,053
6 250 6 0,020 = __# Productos NC___
7 350 18 0,060 # Productos inspeccionados
8 280 10 0,036
9 290 9 0,031 = # Productos inspeccionados
10 300 25 0,083 # Subgrupos
Ejemplo
En una empresa del ramo alimenticio, mediante ciertas máquinas se
empaquetan salchichas en sobres o paquetes. un problema que se ha tenido es
que dentro del sobre queda aire (falta de vacío). El problema se detecta
mediante inspección visual; los paquetes con aire son segregados y después se
abren para recuperar las salchichas y volverlas a empaquetar. El atributo de falta
de vacío es importante debido a que si un paquete con aire llega al mercado, la
vida de anaquel se acorta, por lo que después de algunos días la salchicha
empieza a cambiar de color y a perder su frescura; y eso puede ocurrir en el
refrigerador del distribuidor o del consumidor. Esta situación repercute en clientes
insatisfechos y genera una mala imagen de la compañía.

Por lo anterior, a los operadores de las diferentes máquinas continuamente se les

recordaba la importancia de no dejar pasar paquetes con aire. sin embargo,
como no se llevaba un registro de la magnitud del problema, no existían bases
tangibles para detectar cambios en el desempeño de las máquinas, ni había
forma de saber si las medidas tomadas para reducir el problema habían dado
resultado. De ahí surgió la necesidad de registrar los resultados y analizarlos
mediante una carta de control. Cada hora se registra el número de paquetes
detectados con aire di y del contador de la máquina se obtiene el total de
paquetes ni durante esa hora. Los datos obtenidos durante tres días en una
máquina se muestran en la siguiente tabla…
 para calcular los límites de control provisionales se
necesita calcular la proporción promedio p – y el tamaño
de subgrupo promedio n –, que corresponde al número
promedio de salchichas empaquetadas por hora.

 De la tabla anterior se obtiene que el número total de

paquetes inspeccionados fue de 23 942, y de éstos, 257
tuvieron el problema de falta de vacío, por lo que la
proporción promedio de paquetes defectuosos está
dada por:

Y como:
 Entonces los limites de control están dados por:

Como el límite de control

inferior no puede ser negativo
debido a que las
proporciones siempre son
mayores o iguales a cero,
entonces se toma LCI = 0
• En la grafica se puede apreciar que el proceso de empaquetado no fue
estable, ya que las proporciones de los subgrupos 1, 12 y 36 se salen de los
limites de control.

• Para los limites de control que se usarán a futuro se debe excluir las
proporciones de los subgrupos 1, 12 y 36.
 2. Gráfico np: Número de defectuosos

 Diagrama que analiza el número de

defectuosos por subgrupo.
 Se aplica cuando el tamaño del grupo es
constante.
 Es mas cómodo representar el numero de
defectuosos que su proporción.
 Los límites de la carta np indican qué tanto
varía la cantidad esperada de piezas
defectuosas por cada n artículos
inspeccionados.

 Estos
límites permiten detectar la presencia de
causas especiales que afecten al proceso
Fórmulas para calcular Límites
de Control para gráfica np

Donde n es el tamaño del

subgrupo y p es la
proporción promedio de
artículos defectuosos en el
proceso

= __# Productos NC___

# Productos inspeccionados
Ejemplo
Del análisis de los datos de inspecciones y pruebas finales de un
producto ensamblado se detectó a través de una estratificación y un
análisis de pareto que la causa principal por la que los artículos salen
defectuosos está relacionada con los problemas de un componente en
particular (el componente k12). Por lo tanto, se decide analizar más de
cerca el proceso que produce tal componente. para ello, de cada lote
de componentes k12 se decide inspeccionar una muestra de n=120. los
datos obtenidos en 20 lotes consecutivos se muestran en la tabla 2.0
como n es constante, la cantidad de defectuosos por muestra se puede
analizar con una carta np.
DEFECTOS EN COMPONENTE K12
Para obtener sus límites, primero se estima p, que se obtiene de dividir el total
de artículos defectuosos (183) entre el total de piezas inspeccionadas (20
muestras de 120 piezas cada una), es decir,

183
𝑝ҧ = = 0.076
120 × 20

Con lo cual, los límites de control están dados por:

𝐿𝐶𝑆 = 120 × 0.076 + 3 120 × 0.076 1 − 0.076 = 17.87

𝐿𝑖𝑛𝑒𝑎 𝑐𝑒𝑛𝑡𝑟𝑎𝑙 = 120 × 0.076 = 9.15

𝐿𝐶𝐼 = 120 × 0.076 − 3 120 × 0.076 1 − 0.076 = 0.43

 Figura. Carta np para el componente k12

Se espera que de cada muestra de 120 componentes

inspeccionados, el número de rechazados varíe entre 0.43 y 17.87,
con un promedio de 9.15. Estos límites reflejan la realidad del
proceso de acuerdo a como se muestrea.
La carta np resultante que se muestra en la figura, nos permite
apreciar que el proceso no funcionó de manera estable, ya que el
número de piezas defectuosas en la muestra del lote 12 es mayor que
el límite superior; mientras que en la muestra del lote 16 el número de
defectuosos es menor que el límite inferior. De aquí que se tenga
una evidencia objetiva para afirmar que en la fabricación del lote 12
se presentó una causa o situación especial que normalmente no está
presente en el proceso y que lo empeoró de forma seria; mientras
que en el lote 16 ocurrió una causa especial que mejoró el
desempeño del proceso de fabricación de componentes k12. Es
necesario localizar ambas causas, ya que así se estará en
posibilidades de prevenir la primera, y en caso de no haber un error
en el registro de los datos, fomentar la segunda.
Gráfico p:

𝑝(1−𝑝)
 𝐿𝑆𝐶 =𝑝+3
𝑛

 𝐿𝐼𝐶 =𝑝−3 (Si es negativo se

iguala a 0)

Gráfico np:

𝑛𝑝(1−𝑝) (Si es negativo se

 𝐿𝑆𝐶 = 𝑛𝑝 + 3 iguala a 0)

𝑛𝑝(1−𝑝) (Si es negativo se

 𝐿𝐼𝐶 = 𝑛𝑝 − 3 iguala a 0)
 3. Gráfico c:
Número de Defectos en muestra
constante

El objetivo de la gráfica C es analizar

la variabilidad del número de
defectos por subgrupo, cuando el
tamaño de éste se mantiene
constante.
Las cartas C no implican contar los objetos
físicos (como las gráficas p y np), mas bien
implican contar los eventos.

Por ejemplo cuando usamos las cartas np se

contaría los melocotones golpeados, cuando
se usan las cartas c se contaría los golpes.
Con estas gráficas se puede evaluar
también:
 Número de errores por trabajador
 Cantidad de accidentes
 Número de quejas por mal servicio
 Número de nuevos clientes
 Cantidad de llamadas telefónicas en un
periodo de tiempo
 Clientes atendidos en un lapso de tiempo
 Errores tipográficos por página en un
periódico
 Número de fallas de un equipo
Fórmulas para calcular límites de
Control en el Gráfico c:
Límites de Control Gráfica C

C = Total de defectos
Total de subgrupos
Ejemplo:
En una fábrica de muebles se inspecciona a detalle el
acabado de las mesas cuando salen del departamento
de laca. La cantidad de defectos que son encontrados
en cada mesa son registrados con el fin de conocer y
mejorar el proceso. En la tabla se muestran los defectos
encontrados en las últimas 30 mesas.
Continuación Ejemplo:

Es claro que estamos ante una variable que debe ser

analizada con la carta C, debido a que una misma mesa
puede tener varios defectos de diferente tipo; además,
los defectos son relativamente menores, y aunque
influyen en la calidad final del producto, no causan que
la mesa sea rechazada.
 Defectos
Mesa (Ci) Mesa Defectos (Ci)
1 7 16 12 C = Total de defectos
2 5 17 8 Total de subgrupos
3 10 18 10
4 2 19 4 C=? = 6,4
5 6 20 7
6 5 21 3
7 4 22 10 = ? = 14
8 9 23 6
9 7 24 6 = ? = -1,2 =0
10 5 25 7
11 6 26 4
12 7 27 5 =? = 6,4
13 8 28 6
14 4 29 8
15 5 30 5
Total Defectos: ? 191
Gráfica del Ejemplo:
Interpretación:
Los límites de una carta de C reflejan la variación
esperada para el número de defectos por subgrupos. En
este caso, se espera que, de manera ordinaria, el
número de defectos por mesa varíe entre 0 y 14 con un
promedio de 6,4. Estos límites no representan ni deben
representar dónde se quiere que estén los datos, mas
bien representan la realidad.
Teniendo en cuenta que la cantidad de defectos son
relativamente altos, se requiere plan de acción para
reducirlos, se puede estratificar el problema para
localizar el tipo de defecto con mayor frecuencia y el
área donde se presenta.

La carta de control muestra un proceso estable, pero

quizá se considera que genera muchos defectos: 6,4 en
promedio por mesa, entonces se tendría un proceso
estable pero malo, en otras palabras un proceso estable
e incapaz.
Ejercicio
Ejercicio 2:
Muestras Defectos
1 21
2 24
3 16
4 12

En la siguiente tabla 5
6
15
5
tenemos el número 7
8
28
20
de unidades de 9 31
10 25
defectos observados 11 20

en 26 muestras
12 24
13 16

sucesivas de 100 14
15
19
10
filtros de seguridad. 16
17
17
13
18 22
19 18
20 39
21 30
22 24
23 16
24 19
25 17
26 15
GRAFICO DE DEFECTOS

c 19,8461538

LSC= 33,2108605
LIC= 6,48144717
 4. GRAFICO U
Número promedio de defectos
por unidad

Analiza la variación del número promedio de

defectos por artículo o unidad de referencia.
Se usa cuando el tamaño del subgrupo es
variable.

Permite comparar tamaños de muestra

grandes y pequeños.
Fórmulas para calcular límites de
Control en el Gráfico u:
Límites Gráfico U

U = Total de defectos
Total de muestras
n = Total de muestras
Número de subgrupos
 4. GRAFICO U
Proporción de defectos por subgrupo variable.

# DE
TAMAÑO DE # DE
Subgrupo DEFECTOS
MUESTRA DEFECTOS U = Total de defectos
PROMEDIO
Total de muestras
1 20 17 0,9
n = Total de muestras
2 20 29 1,5
Número de subgrupos
3 20 16 0,8
4 15 26 1,7
5 15 15 1,0
6 15 15 1,0
7 25 20 0,8
8 25 18 0,7
9 15 26 1,7
10 25 10 0,4
Ejercicio
En una fábrica se ensamblan artículos electrónicos
y al final del proceso se hace una inspección por
muestreo para detectar defectos relativamente
menores. En la Tabla se presenta el número de
defectos observados en muestreos realizados en 24
lotes consecutivos de piezas electrónicas. El
número de piezas inspeccionadas en cada lote es
variable.
Tabla de datos:
 Paracalcular los límites de control a través de la
tabla se tiene que:
Como el tamaño de subgrupo o muestra es variable, se
tiene dos alternativas: Usar el tamaño de subgrupo
promedio o construir una carta con límites variables.
Opción 1:
1) El tamaño de subgrupo promedio se obtiene
dividiendo el total de unidades inspeccionadas (525)
entre el número de subgrupos (24); de esta manera,
n = 21.875.
n = Total de muestras
Número de subgrupos
Se calculan lo límites de control:
Graficar
Interpretación:

La carta obtenida se muestra en la gráfica anterior,

en la que se observa que el proceso no trabaja de
manera estable, ya que en la muestra del lote 21 el
número promedio de defectos por pieza sobrepasa
el límite de control superior. En la fabricación de tal
lote ocurrió alguna causa especial que empeoró la
calidad de las piezas. Es preciso identificar la causa
para evitarla en el futuro.
Opción 2:

Para construir una carta u con límites variables para

los datos de la tabla es necesario calcular los límites
de control para cada tamaño de subgrupo. Por
ejemplo, cuando se tiene un tamaño de muestra de
25, los límites para tales lotes son:
Se obtiene la siguiente gráfica
En la carta se observa que además del punto
correspondiente al lote 21, el del 10 también aparece fuera
de control; aunque este último por el límite inferior. De esta
manera, en la fabricación del lote 10 ocurrió algo especial
que mejoró el desempeño del proceso. Nótese que en la
carta con límites promedio de la opción 1 no se había
detectado esto, aunque tal punto sí estaba muy cerca del
límite inferior.
La ventaja de usar límites promedio es que al ser sólo un par
de límites no es necesario calcularlos para cada punto y se
tiene una perspectiva e interpretación más directa; pero su
desventaja es que en ocasiones no detecta cambios, o
puede ser que registre un cambio cuando en realidad no
ocurrió. Una buena alternativa sería usar límites promedio
cuando los tamaños muestrales no discrepen más del 20%
entre sí.
Gráfico c:
 𝐿𝑆𝐶 = 𝑐ҧ + 3 𝑐ҧ
 𝐿𝐼𝐶 = 𝑐ҧ − 3 𝑐ҧ (Si es negativo se iguala a 0)

Gráfico u:
 𝐿𝑆𝐶 = 𝑢ത + 3 𝑢/𝑛
 𝐿𝐼𝐶 = 𝑢ത − 3 𝑢/𝑛 (Si es negativo se iguala a 0)
GRACIAS