Documentos de Académico
Documentos de Profesional
Documentos de Cultura
7
Característica
Tiempo
TEMAS A TR ATAR
D URACIÓN DE LA PRÁCTICA
MARCO TEÓRIC O
Un punto muy importante que hay que tener en cuenta en los gráficos de control por
atributos, pues de no considerarlo lleva a interpretaciones erróneas en cuanto al
funcionamiento del proceso: es el criterio empleado para decidir si un individuo posee la
característica a estudio. Tal criterio ha de ser claro y no ha de cambiar mientras se
2. Grafica p
El gráfico P se utiliza cuando los individuos de un proceso se clasifican en defectuosos-
no defectuosos, enfermos-sanos, fuera-dentro de tolerancias, etc., y se desea controlar
la proporción p de individuos en uno de estos grupos.
El control del proceso se realiza anotando la proporción de individuos defectuosos en el
gráfico. Los límites del gráfico P son hallados utilizando el modelo teórico que sigue el
estadístico a controlar p, que como ya se mencionó en las variables aleatorias discretas
puede ser obtenido de la ley binomial.
Los límites del gráfico serán obtenidos de tal forma que la probabilidad de ocurrencia
más allá de los límites estando el proceso en estado de control sea entorno a un 3 ‰.
Estos límites serán prácticamente simétricos respecto el límite central para tamaños de
muestra suficientemente grande y np> 5, (debido a la convergencia a la ley normal), y
no tanto cuando las muestras sean pequeñas.
La fracción de no conformidad es la proporción obtenida al dividir la cantidad de no
conformidades de una muestra o subgrupo entre la cantidad total que forma la muestra
al subgrupo:
N° defectuosos en muestra i
pi= , con i=1,2,...,k
ni
∑ np
i i
Total defectuosos
p= =
∑ ni Total muestreado
p(1-p)
Límite Superior UCL= p + 3
ni
Límite Central p
p(1-p)
Límite Inferior LCL = p - 3
ni
Nótese que los valores de los límites superior e inferior cambian con el tamaño del
subgrupo: cuanto mayor es n más precisión se tiene en la estimación del parámetro
p y antes se detecta un cambio en el proceso.
6) Llevar los valores de los pi obtenidos de las k muestras al gráfico, y comprobar que
no haya evidencia de que alguna causa asignable haya estado actuando durante la
recogida de los datos. Si se detecta alguna anomalía, antes de implementar los
gráficos aquí construidos se han de identificar las causas asignables y emprender
las acciones pertinentes. Sólo en este caso se pueden eliminar las observaciones
anómalas y reconstruir el gráfico comenzando por el paso. (4). Una vez más, si el
cambio en el proceso ha sido notable se ha de comenzar por el apartado (2).
∑ np-npd
pnuevo=
∑ n-nd
npd = cantidad de no conformidades en los subgrupos descartados.
nd = cantidad de inspeccionasen los grupos descartados.
po=pnuevo
po (1-po ) po (1-po )
UCL= po + 3 LCL= po − 3
n n
Ejemplo Aplicativo
Los datos se refieren a botellas defectuosas, encontradas en 20 muestras.
Nro. del Cantidad Cantidad de
Subgrupo Inspeccionada no conformidades
1 100 6
2 150 7
3 120 5
4 100 10
5 140 8
6 90 7
7 100 4
8 100 2
9 100 1
10 150 9
11 145 12
12 130 5
13 100 6
14 160 11
0.15
UCL = 0.1233
0.12 CTR = 0.0582
LCL = 0.0000
0.09
p
0.06
0.03
0
0 4 8 12 16 20
Subgrupo
3. Grafica np
El gráfico NP se aplica al mismo tipo de problemas que el gráfico P, pero cuando el
tamaño de muestra es fijo. En tales casos, el control de la calidad en el proceso se
puede realizar por el número de individuos defectuosos observados en lugar de la
proporción defectuosa. El primero es más fácil de construir que el segundo, ya que no
hace falta hallar la fracción defectuosa, y si se quiere interpretar en términos de
proporciones sólo se tiene que dividir por n la escala vertical del gráfico.
Para la construcción del gráfico se utiliza de distribución de referencia la ley binomial (n,
p). En esta distribución, el número medio de individuos defectuosos es igual a np y la
varianza igual a np(1-p). Como en el apartado anterior, sólo se realiza un gráfico y éste
controlará el número medio de unidades defectuosas en n.
En uno u otro caso, este tipo de control puede ser llevado tomando la distribución de
referencia de la ley Poisson (λ), donde l representa el número medio de ocurrencias por
unidad de tiempo, superficie, etc.
Cuando λ es suficientemente grande se puede hacer una aproximación de la ley
Poisson por la ley normal, tal como se vio en el apartado de variables aleatorias
discretas.
Para la implementación del gráfico de control hay que tener en cuenta que sólo hay un
parámetro independiente a controlar, λ, ya que la varianza en la ley Poisson es también
λ. Supondremos en lo que sigue que se mide el número de defectos de estampación
por metro cuadrado de tela.
∑c
Línea central: c=
g
∑ c-cd
Línea central: cnuevo=
g-gd
Ejemplo Aplicativo
Los siguientes datos recogen el número de defectos de estampación encontrados por
m2 en un proceso textil.
Grafico c Inicial
20
UCL = 15.3537
16 CTR = 7.2667
LCL = 0.0000
12
c
0
0 5 10 15 20 25 30
Observación
20
UCL = 14.0918
16 CTR = 6.4643
LCL = 0.0000
c 12
0
0 5 10 15 20 25 30
Observación
5. Gráfico U
El gráfico U se utiliza para el mismo tipo de problemas que el gráfico C, pero en
aquellos casos en que no se puede tomar una unidad del mismo tamaño para controlar
el número de defectos. A continuación se presentan algunos ejemplos donde esto
ocurre y que pueden ser representativos de las situaciones generales:
Puede resultar difícil tomar exactamente un metro cuadrado de tela, por lo que se
toman piezas similares de aproximadamente un metro cuadrado.
En el control del número de personas que acuden a una máquina registradora en
una tienda, en lugar de tomar las mediciones en intervalos de tiempo iguales, se
toman las mediciones en intervalos más flexibles.
Cuando se mide el número de defectos por lote, éste puede no contener un número
fijo de individuos.
ci = nº de defectos en la muestra i,
ni = unidades inspeccionadas en la muestra i,
ui = ci / ni será el nº de defectos por unidad en la muestra i, los valores ui seguirán una
distribución de Poisson de media:
Pregunta Nro. 1
Se inspeccionaron 300 datos en la inspección del motor de una secadora de pelo eléctrica,
encontrándose las siguientes disconformidades:
Nro. Subgrupo 1 2 3 4 5 6 7 8
# motores defectuosos 12 3 9 4 0 6 6 1
Día 9 10 11 12 13 14 15 16
# tableros defectuosos 8 11 2 10 9 3 0 5
Día 17 18 19 20 21 22 23 24 25
# tableros defectuosos 7 8 16 2 5 6 0 3 2
Elaborar una gráfica p y corregir si es necesario.
a) ¿Cuántos puntos se deben eliminar para corregir la gráfica p?
b) Después de corregir la gráfica, ¿Qué se debe hacer si es que hubiese algún punto
fuera de los límites de control corregidos?
Pregunta Nro. 2
Se inspeccionaron soldaduras defectuosas en tableros de circuitos. Se prueban 500 tableros
por día, durante un periodo de 30 días, el número de tableros defectuosos diarios se
presenta en la tabla siguiente:
Día 1 2 3 4 5 6 7 8
# tableros defectuosos 2 0 2 5 2 4 5 1
Día 11 12 13 14 15 16 17 18
# tableros defectuosos 3 2 0 4 3 8 10 4
Día 21 22 23 24 25 26 27 28
# tableros defectuosos 2 4 3 2 3 3 2 1
Elaborar un gráfico p.
Pregunta Nro. 3
Supongan que se empacan en cajas mascaras de respiración, con 25 y 50 por caja. En
cada intervalo de 30 minutos, durante un turno, se elige una caja aleatoriamente y se
determina el número de artículos defectuosos de esta. Recuerde que la caja puede contener
25 o 50 mascaras. El número verificado por turno variará entre 400 y 800. los datos se
muestran en la siguiente tabla.
Elaborar un gráfico p.
Se le pide:
a) Elaborar un análisis inicial haciendo uso del grafico p.
b) Determinar la capacidad del proceso.
c) Realizar un estudio de la muestra analizada de 100 abrazaderas, para ello se sugiere
utilizar la variable Abra_linea, con el parámetro p hallado en el estudio inicial.
d) Mostrar los gráficos p de los puntos anteriores con 1 y 2 s.
e) Explicar cuáles son las razones de porque hay probables puntos fuera de control en
las áreas del punto (d).
Pregunta Nro. 5
Supongamos que fabricamos envases de cartón para el envasado de zumo de naranja. Al
inspeccionar un bote puede determinarse si al llenarlo goteará por las juntas o no. Se desea
estimar la capacidad del proceso.
Para ello se toman 25 muestras de tamaño 50. En el archivo de datos, la variable
DefEnvases, se ha recogido el número de envases defectuosos de cada muestra. Elaborar
un gráfico np.
Pregunta Nro. 6
En una fabricación de tarjetas de circuitos impresos se desea estimar el número medio de
defectos por tarjeta cuando el proceso está bajo control (capacidad del proceso). Para ello
se observa el número de defectos de 12 tarjetas fabricadas en diferentes momentos. Los
datos están en la variable DefTarjetas del archivo de datos. Elaborar un gráfico c
Pregunta Nro. 7
Se fabrica fibra de vidrio. Se desea estimar el número medio de defectos por metro de cable
(capacidad del proceso). Para ello se observan en diferentes momentos el cable fabricado.
En el archivo de datos puedes encontrar:
MetrosCable. Contiene el número de metros de cable inspeccionado.
DefCable, contiene el número los defectos encontrados.
Con los datos anteriores hallar un gráfico U
EJERCICIOS
1. En la tabla siguiente se consignan los resultados de la inspección de la línea de armado
de la estufa eléctrica modelo 305. Calcule los límites de control de ensayo de cada
subgrupo. Suponga que los puntos que están fuera de control tienen causas atribuibles y
calcule el valor patrón de la fracción de no conformidades de diciembre.
20 10 36 2
21 8 37 12
22 6 38 0
23 6 39 6
24 2 40 14
25 10 41 10
26 8 42 8
27 10 43 6
28 0 44 2
29 2 45 14
30 8 46 16
31 2 47 10
32 20 48 2
33 10 49 6
34 6 50 3
35 30
6. Calcule los límites de control de ensayo y los límites de control corregidos de una gráfica
u empleando los datos de la tabla correspondiente al acabado de la superficie de rollos
de papel blanco. Suponga que todos los puntos que están fuera de control tienen causas
asignables.
Cantidad total
Número de Tamaño de Número de Tamaño de Cantidad total de no
de no
lote la muestra lote la muestra conformidades
conformidades
1 10 45 15 10 48
2 10 51 16 11 35
3 10 36 17 10 39
4 9 48 18 10 29
5 10 42 19 10 37
6 10 5 20 10 33
7 10 33 21 10 15
8 8 27 22 10 33
9 8 31 23 11 27
10 8 22 24 10 23
11 12 25 25 10 25
12 12 35 26 10 41
13 12 32 27 9 37
14 10 43 28 10 28
8. Elabore un gráfico de control con los datos de la tabla siguiente, correspondiente a las
inspecciones de botellas bacías empleados en la producción de bebidas gaseosas.
Suponga que todos los puntos que están fuera de control tienen causas atribuibles.
40 9 9 27 45
40 10 1 29 40
40 8 0 25 33
40 8 2 33 43
40 10 6 46 62
52 12 16 51 79
52 15 2 43 60
52 13 2 35 50
52 12 2 59 73
Partículas
Astillas, Partículas Número total
Numero de extrañas
ralladuras, extrañas en de no
botellas adherías a la
otros el fondo conformidades
superficie
52 11 1 42 54
52 15 15 25 55
52 12 5 57 74
52 14 2 27 43
52 12 7 42 61
40 11 2 30 43
40 9 4 19 32
40 5 6 34 45
40 8 11 14 33
40 3 9 38 50
40 9 9 10 28
52 13 8 37 58
52 11 5 30 46
52 14 10 47 71
52 12 3 41 56
52 12 2 28 42
REFEREN CI AS BIBLIOGRÁFICAS
DOCUMENTOS ADJUNTOS
Ninguno