TECNOLOGICO NACIONAL DE MEXICO

INSTITUTO TECNOLOGICO DE TIJUANA

Departamento de Ingeniería industrial

ALUMNO: RAUL RODRIGUEZ JUACHE

NUMERO DE CONTROL: 18210663

MATERIA: CONTROL ESTADISTICO DE CALIDAD

DOCENTE: AMALIA CARMINA SALINAS HERNANDEZ

HORA: 12 A 1

TEMA: GRAFICAS DE CONTROL PARA ATRIBUTOS

TRABAJO: INVESTIGACION

UNIDAD: 1

Tijuana, B.C a 8 de mayo del 2020

 Introducción

El siguiente trabajo muestra de manera general la forma de utilización las gráficas de

control por atributos cuando se lleva a cabo un análisis estadístico para el control de la
calidad.

Las gráficas de control por atributos a la vez se subdividen en diferentes tipos, todo
esto con el fin de simplificar el uso de estas herramientas y utilizarlas de forma
correcta. Utilizando los atributos o características del producto como base para trabajar
dichas gráficas.
3.1 Conceptos generales de Atributos

Existen muchas características de calidad del tipo pasa o no pasa y, de acuerdo con
éstas, un producto es juzgado como defectuoso o no defectuoso (conforme o no
conforme), dependiendo de si cumple o no con las especificaciones o criterios de
calidad. En estos casos, si el producto no tiene la calidad deseada no se permite que
pase a la siguiente etapa del proceso; además, es segregado y se le denomina artículo
defectuoso.

Las ideas sobre las que se fundamenta el Control Estadístico de Procesos se pueden
extender al control de características de calidad de tipo atributo o discreto. Como se
recordará, las primeras se rigen por la distribución binomial y las segundas por la de
Poisson.

Atributos

Los atributos son aquellos caracteres que para su definición precisan de palabras, es
decir, no le podemos asignar un número. Por ejemplo sexo, profesión, estado civil, etc.

A su vez las podemos clasificar en:

Clasificación de atributos

 Ordenables: Aquellas que sugieren una ordenación, por ejemplo la graduación

militar, el nivel de estudios, etc.
 No ordenables: Aquellas que sólo admiten una mera ordenación alfabética, pero
no establece orden por su naturaleza, por ejemplo el color de pelo, sexo, estado
civil, etc.

Elaboración e interpretación de gráficas para Atributos

Gráficos de control basados en la distribución binomial

Como se recordará si x es una variable aleatoria binomial B(n,p), E(x) = np y σ x2 = npq.

Además se verifica que:

Dentro de este grupo existen dos gráficos fundamentales:

 Grafico P
 Grafico np
Grafico P

En esta carta se muestran las variaciones en la fracción o proporción de artículos

defectuosos por muestra o subgrupo. La carta p (proporción de defectuosos) es
ampliamente usada para evaluar el desempeño de una parte o de todo un proceso,
tomando en cuenta su variabilidad con el propósito de detectar causas o cambios
especiales en el proceso.

Sirve para controlar la fracción defectuosa. Los límites de control son:

Si el valor calculado para el LCI, se toma 0.

Cuando el tamaño de subgrupo n no se mantiene constante a lo largo de las muestras

se tienen dos alternativas: la primera es usar el tamaño promedio de subgrupo n, en
lugar de n. La segunda es construir una carta de control con límites variables que
comentaremos más adelante.

Si el promedio del proceso medido a través de p es desconocido, entonces será

necesario estimarlo por medio de un estudio inicial.

Interpretación de los límites de control de la carta p

Un aspecto importante en el uso de la carta de control p es la interpretación de sus

límites. Los límites de control reflejan la realidad del proceso. Así que mientras la
proporción de defectos siga cayendo dentro de los límites de control y no haya ningún
otro patrón especial, será señal de que el proceso funciona igual que siempre; bien o
mal, pero su desempeño se encuentra dentro de lo previsto.

Ejemplo. Ver anexos.

Gráfico np

Diagrama que analiza el número de defectuosos por subgrupo; se aplica cuando el

tamaño de subgrupo es constante.

En ocasiones, cuando el tamaño de subgrupo o muestra en las cartas p es constante,

es más conveniente usar la carta np, en la que se grafica el número de defectuosos por
subgrupo di, en lugar de la proporción. Los límites de control para la carta np se
obtienen estimando la media y la desviación estándar de di, que bajo el supuesto de
distribución binomial están dadas por:

donde n es el tamaño de subgrupo y p es la proporción promedio de artículos

defectuosos. De aquí que los límites de control de la carta np estén dados por:

Si el valor calculado para el LCI, se toma 0.

Interpretación de los límites de control de la carta np

Los límites de la carta np indican qué tanto varía la cantidad esperada de piezas
defectuosas por cada n artículos inspeccionados. Si bien el uso de la carta permitirá
eventualmente detectar la presencia de causas especiales que afecten el proceso, se
anticipa que aunque tales causas se eliminen y se logre un proceso estable, la cantidad
de piezas defectuosas seguirá siendo relativamente grande, dado el nivel promedio de
rechazos observados.

Ejemplo. Ver anexos.

Si x es una v.a de Poisson de constante µ, E(x) = µ y σ x2= µ. Además se verifica que si
µ > 5 entonces P(µ) → N(µ, µ ). Dentro de este grupo existen dos gráficos
fundamentales:

Gráfico C

El objetivo de la carta c es analizar la variabilidad del número de defectos por

subgrupo, cuando el tamaño de éste se mantiene constante. En esta carta se grafica ci
que es igual al número de defectos o eventos en el i-ésimo subgrupo (muestra).

Los límites de control se obtienen suponiendo que el estadístico ci sigue una

distribución de Poisson; por lo tanto, las estimaciones de la media y la desviación
estándar de este estadístico están dadas por:

por ello, los límites de control de la carta c se obtienen con las expresiones

Interpretación de los límites de control de la carta c

Los límites de una carta c reflejan la variación esperada para el número de defectos por
subgrupo. Como las cantidades de defectos son relativamente altas, se requiere un
plan de acción que reduzca esta problemática y una forma natural de empezar sería
estratificar el problema, es decir, localizar el tipo de defecto con mayor frecuencia y el
área donde se presenta. En otras palabras, la acción de mejora no debe partir de
reaccionar ante lo que se observa en una mesa, ya que no hay problemas especiales.
Toda la problemática es común a todas las mesas; por lo tanto, la acción parte de
analizar todo el proceso enfocándose en aquellos problemas con mayor recurrencia.

Ejemplo. Ver anexos.

Gráfico U

Analiza la variación del número promedio de defectos por artículo o unidad de

referencia. Se usa cuando el tamaño del subgrupo no es constante.

Cuando en el tipo de variables que se comentaron al inicio de esta sección (con

distribución Poisson), el tamaño del subgrupo no es constante, se usa la carta u, en la
cual se analiza la variación del número promedio de defectos por artículo o unidad, en
lugar del total de defectos en el subgrupo.

Los límites de control son:

Si el valor calculado para el LCI, se toma 0.

Puesto que:

Así, en esta carta, un subgrupo lo forman varias unidades. De manera que para cada
subgrupo se gráfica:

Interpretación de los límites de control en la carta u

En la carta u se grafica el número promedio de defectos por unidad. Los valores

esperados deben de caer dentro de los rangos obtenidos de las tablas, si es así, se
puede decir que el proceso está controlado, si este tiende a ser en el extremo interno
de los límites de control se debe de seguir monitoreando el proceso y analizarlo
periódicamente.

Ejemplo. Ver anexos.

Capacidad de proceso

Los procesos tienen variables de salida o de respuesta, las cuales deben cumplir con
ciertas especificaciones a fin de considerar que el proceso está funcionando de manera
satisfactoria. Evaluar la habilidad o capacidad de un proceso consiste en conocer la
amplitud de la variación natural de éste para una característica de calidad dada, lo cual
permitirá saber en qué medida tal característica de calidad es satisfactoria (cumple
especificaciones).

Índice Cp

Indicador de la capacidad potencial del proceso que resulta de dividir el ancho de las
especificaciones (variación tolerada) entre la amplitud de la variación natural del
proceso.

El índice de capacidad potencial del proceso, Cp, se define de la siguiente manera:

donde σ representa la desviación estándar del proceso, mientras que ES y EI son las
especificaciones superior e inferior para la característica de calidad. Como se puede
observar, el índice Cp compara el ancho de las especificaciones o la variación tolerada
para el proceso con la amplitud de la variación real de éste:

Interpretación del índice Cp

Para que el proceso sea considerado potencialmente capaz de cumplir con

especificaciones, se requiere que la variación real (natural) siempre sea menor que la
variación tolerada. De aquí que lo deseable es que el índice Cp sea mayor que 1; y si el
valor del índice Cp es menor que uno, es una evidencia de que el proceso no cumple
con las especificaciones.

Para una mayor precisión en la interpretación en la tabla siguiente se presentan cinco

categorías de procesos que dependen del valor del índice Cp, suponiendo que el
proceso está centrado. Ahí se ve que el Cp debe ser mayor que 1.33, o que 1.50 si se
quiere tener un proceso bueno; pero debe ser mayor o igual que dos si se quiere tener
un proceso de clase mundial (calidad Seis Sigma).
En la siguiente tabla se representa el valor del índice en el porcentaje de artículos que
no cumplirían especificaciones, así como en la cantidad de artículos o partes
defectuosas por cada millón producido (PPM).

Una observación que se deriva de la tabla referida es que el valor del índice Cp no es
igual al porcentaje de piezas que cumplen con especificaciones.

Ejemplo. Ver anexos.

Índice Cr

Indicador de la capacidad potencial del proceso que divide la amplitud de la variación

natural de éste entre la variación tolerada. Representa la proporción de la banda de
especificaciones que es cubierta por el proceso.

Un índice menos conocido que el Cp, es el que se conoce como razón de capacidad
potencial, Cr, el cual está definido por:

Como se puede apreciar, el índice Cr es el inverso del Cp, ya que compara la variación
real frente a la variación tolerada. Con este índice se pretende que el numerador sea
menor que el denominador, es decir, lo deseable son valores de Cr pequeños (menores
que 1). La ventaja del índice Cr sobre el Cp es que su interpretación es un poco más
intuitiva, a saber: el valor del índice Cr representa la proporción de la banda de
especificaciones que es ocupada por el proceso.

Por ejemplo, si el Cr = 1.20, querrá decir que la variación del proceso abarca o cubre

120% de la banda de especificaciones, por lo que su capacidad potencial es

inadecuada. El Cr para el ejemplo de la longitud de las capas de las llantas, es:

que es un valor parcialmente adecuado, pues indica que la variación del proceso
potencialmente cubre 90% de la banda de especificaciones. Sin embargo, este índice
tampoco toma en cuenta el hecho de que el proceso está descentrado.

Ejemplo. Ver anexos.

Índice Cpk

Indicador de la capacidad real de un proceso que se puede ver como un ajuste del
índice Cp para tomar en cuenta el centrado del proceso.

Se conoce como índice de capacidad real del proceso, es considerado una versión
corregida del Cp que sí toma en cuenta el centrado del proceso. Existen varias formas
equivalentes para calcularlo, una de las más comunes es la siguiente:

Como se aprecia, el índice Cpk es igual al valor más pequeño de entre Cpi y Cps, es
decir, es igual al índice unilateral más pequeño, por lo que si el valor del índice Cpk es
satisfactorio (mayor que 1.25), eso indica que el proceso en realidad es capaz. Si Cpk
<1, entonces el proceso no cumple con por lo menos una de las especificaciones.

Algunos elementos adicionales para la interpretación del índice Cpk son los siguientes:

 El índice Cpk siempre va a ser menor o igual que el índice Cp. Cuando son muy
próximos, eso indica que la media del proceso está muy cerca del punto medio
de las especificaciones, por lo que la capacidad potencial y real son similares.
 Si el valor del índice Cpk es mucho más pequeño que el Cp, significa que la
media del proceso está alejada del centro de las especificaciones. De esa
manera, el índice Cpk estará indicando la capacidad real del proceso, y si se
corrige el problema de descentrado se alcanzará la capacidad potencial indicada
por el índice Cp.
 Cuando el valor del índice Cpk sea mayor a 1.25 en un proceso ya existente, se
considerará que se tiene un proceso con capacidad satisfactoria. Mientras que
para procesos nuevos se pide que Cpk > 1.45.
 Es posible tener valores del índice Cpk iguales a cero o negativos, e indican que
la media del proceso está fuera de las especificaciones.

Ejemplo. Ver anexos.

Anexos

Grafico P

Ejemplo 1

En una fábrica de rodamientos, se comprueba diariamente una muestra de 400

unidades, determinando si se trata de un artículo defectuoso o por el contrario verifica
las especificaciones requeridas. En la siguiente tabla aparecen las proporciones
observadas de artículos defectuosos durante 16 días.

Si los fabricantes consideran como proporción estable de defectuosos p = 0.1, ¿cómo

podemos utilizar estos datos para mantener el proceso bajo control?

Solución:

P Chart of n

0.30 UCL=0.3043

0.25

0.20
Proportion

0.15

0.10 _
P=0.0898

0.05

0.00 LCL=0

1 3 5 7 9 11 13 15
Sample

De acuerdo al grafico anterior, se puede decir que nuestro proceso no tiene una
fluctuación considerable de defectos, los cuales son mínimos. No hay necesidad de
cambiarlo.
Ejemplo 2.

Un fabricante de productos electrónicos dispone de un proceso de soldadura de

componentes por ola de estaño. La tabla siguiente recoge los resultados de la
producción de los últimos 30 días. Analice este proceso.

Solución
Obsérvese que los límites de control no son constantes.
 P Chart of p
0.10
UCL=0.09442
0.09

0.08

0.07
Proportion

0.06 _
P=0.05460
0.05

0.04

0.03

0.02
LCL=0.01478
0.01
1 4 7 10 13 16 19 22 25 28
dias
Tests performed with unequal sample sizes

De acuerdo a lo obtenido, se puede decir que nuestro proceso está dentro de los
límites de especificación fijados por el mismo. Existen variaciones pequeñas dentro del
proceso pero se encuentran dentro de los límites de control, por lo tanto nuestro
proceso está controlado.
Grafica np

Ejemplo 1.

En la siguiente figura tenemos los datos de 24 muestras de producto producido por

turno. En la columna producción tenemos el total de producto fabricado por turno. La
columna Producto Defectuoso nos indica el número de artículos defectuosos por turno;
la columna Número de Defectos nos indica el número de defectos encontrados en la
producción de cada turno.

Solución:

Calculando los límites:

El gráfico de control quedaría de la siguiente manera:

Se puede percatar que los límites de control no son constantes, sim embargo
gráficamente todos los valores se encuentran dentro de ellos, aunque algunos puntos
fallaron la prueba, el proceso no tiene buena estabilidad, por lo tanto este debería de
ser estudiado nuevamente y aplicar mejoras al proceso.

Ejemplo 2.

En una industria textil se fabrican camisas con diferentes tipos de costuras. Se está
analizando un número de parte en específico, los resultados obtenidos del último
estudio fue el siguiente:
 6 50 8 50
9 50 5 50
5 50 5 50
6 50 6 50
9 50 7 50
8 50 7 50
6 50 6 50
8 50 7 50
8 50 9 50
5 50 5 50

Analice este proceso.

Solución:

Se obtiene la gráfica np en minitab, quedando de la siguiente manera:

NP Chart of pp
16
UCL=15.07
14

12

10
Sample Count

8 __
NP=7.5

0 LCL=0

1 3 5 7 9 11 13 15 17 19
day

De acuerdo a lo obtenido, se puede observar que nuestro proceso se encuentra de una

manera estable, todos los valores caen dentro de los límites de control. No hay
necesidad de cambiarlo.
Grafico C

Ejemplo 1

Una empresa de desarrollos de SW ha registrado las siguientes tasas de error

(medidas en errores por 1000 líneas de código) en los últimos 30 días. Analice el
proceso de desarrollo de SW.

Solución:

Los límites de control y línea central para un gráfico tipo c son:

C Chart of c
12

UCL=10.81
10

8
Sample Count

6
_
C=4.47
4

0 LCL=0

1 4 7 10 13 16 19 22 25 28
Sample

Como se muestra en la gráfica C, el proceso que se está manejando actualmente

mantiene tendencias tanto positivas como negativas, el proceso no es estable. Algunos
puntos de la gráfica fallaron el análisis. No es necesario para el proceso, sin embargo,
existe una área de oportunidad que se debe de atacar. Nuevamente se debe de hacer
el estudio.

Ejemplo 2

Se han observado los defectos de 50 muestras sucesivas de 40 tarjetas electrónicas de

circuitos impresos.

Las 50 muestras contienen 515 defectos, entonces c barra puede ser calculada
mediante:

Se calculan los límites de control:

El gráfico de control quedaría así:

El proceso, tal como lo muestra la gráfica mantiene una racha que tiene ser al centro o
media muestral. El proceso es estable en su mayoría es bueno. No hay necesidad de
cambiarlo o hacer nuevamente un estudio.
Grafico U

Ejemplo 1

Se han observado los defectos de 24 muestras sucesivas de artículos producidos en 24

turnos sucesivos. Los datos se muestran en la siguiente tabla:

Solución:

Calculo de los límites de control:

El gráfico de control U quedaría así:

De acuerdo a obtenido, periódicamente nuestro proceso mantiene una racha de

estabilidad sin embargo este tiende a tener picos, por lo tanto, el proceso no es lo
suficientemente estable, algunos puntos fallaron en la pruebe. Se requiere analizarlo de
nuevo y aplicarle mejoras.
Ejemplo 2

En una fabrica de ensamble se obtuvieron las siguientes lecturas de un numero de

parte.

499 16 18
504 15 20
499 10 14
501 13 14
497 11 13
505 14 17
505 15 20
495 15 20
505 8 11
504 8 9
505 16 18
499 10 15
502 9 11
504 10 14
501 14 18
504 9 12
500 16 20
502 8 9
501 8 11
502 8 9

Analizar el proceso.

Solución:

Se obtienen los limites de control, de esta forma se obtiene la grafica de control u:

 U Chart of defect
UCL=0.04362
0.04
Sample Count Per Unit

0.03

_
U=0.02322
0.02

0.01

LCL=0.00282
0.00
1 3 5 7 9 11 13 15 17 19 21
Sample
Tests performed with unequal sample sizes

De acuerdo al grafico obtenido, el proceso se encuentra estable, las especificaciones

de los límites de control permiten esta situación al proceso. Este mantiene una racha
con una mínima fluctuación en sus valores. No es necesario cambiar el proceso.
Conclusión

De acuerdo a la información obtenida se puede concluir que las gráficas de control por
atributos son de las herramientas necesarias básicas para los inspectores de calidad,
así como los analistas de control de procesos.

Las gráficas de control por atributos son una herramienta de apoyo que sirve para que
de forma gráfica darnos cuenta el estado actual de nuestros procesos. Al momento de
hacer el análisis, se da la oportunidad de conocer más a fondo nuestros procesos y
poder así, obtener un resultado que nos ayude a evaluar y tomar una decisión si es
necesario tener que cambiar nuestro proceso o bien si es el ideal para seguir
trabajando.

A diferencia de las gráficas de control por variables, este método tiene una fase no
cuantitativa que es la que refleja los atributos o características de nuestro producto en
estudio.

El análisis cuantitativo se lleva a cabo al momento de trasladar los datos obtenidos a

una frecuencia de las veces que surgió el defecto por subgrupo.
Bibliografía

http://web.cortland.edu/matresearch/ControlProcesos.pdf

http://www.dmae.upct.es/~mcruiz/Minas06/Teoria/qcontrol.pdf

https://optyestadistica.wordpress.com

Control estadístico de calidad y seis sigma

Autor: Humberto Gutiérrez Pulido

Editorial: Mc Graw Hill

México, D.F. 2009