Práctica N˚ 7: Gráfico de control por atributos

7
Característica

Tiempo

Gráficos de control por atributos

OBJETIVOS

Comprender la importancia de los gráficos de control por atributos.

Elaborar gráficos p, np, c y u.
Distinguir entre la aplicación de gráficos por variables de los de atributos.

 TEMAS A TR ATAR

Gráficos por atributos.

Gráficos p.
Gráficos np.
Gráficos c.
Gráficos u.

 D URACIÓN DE LA PRÁCTICA

Dos sesiones (2 horas).

 MARCO TEÓRIC O

1. Gráficos de control para atributos

Existen situaciones en que la característica de calidad que interesa controlar no es una
característica medible, sino que es cierto atributo que puede poseer o no el producto.
Incluso se pueden estudiar varias cualidades del mismo producto y analizar si
permanecen estables a lo largo del tiempo. A veces el atributo va ligado a una
característica medible, por ejemplo, cuando en la línea de relleno de botellas se controla
el número de las mismas que salen fuera de tolerancias. En tales casos, aunque resulta
más fácil realizar el control por atributos que por variables, perderemos la información
continúa que nos puede aportar un control por variables del contenido de cada botella.

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

Ing. Ferly Urday Luna

 mantienen los límites de control, en caso contrario se han de recalcular los límites y
comenzar de cero.
Recordemos que un atributo se refiere a todas aquellas características que cumplen con
determinadas especificaciones, o que no cumplen con ellas.

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:

p = proporción o fracción de no conformidad de la muestra o del subgrupo.

np
p= n = cantidad de elementos de la muestra o el subgrupo.
n np = cantidad de elementos no conformes, de la muestra o del subgrupo.
El control de la proporción p se realiza analizando el comportamiento de las
proporciones muestrales a lo largo del tiempo. Para ello, se aconseja tomar muestras de
tamaño lo suficientemente grandes como para dar oportunidad a que aparezcan, al
menos, tres o cuatro unidades defectuosas.

Pasos a seguir en la implementación del gráfico P (supondremos que se clasifican los

individuos según sean o no defectuosos)

1) Investigar si existe información histórica de la proporción p de individuos

defectuosos generados por el proceso en estado de control.
2) Seleccionar ni permitiendo que aparezcan al menos cuatro defectuosos en media en
una muestra. Tomar k (al menos 20) muestras de tamaño ni (n no tiene por qué ser
fija) de forma consecutiva y a intervalos de tiempo iguales.
3) Calcular la fracción de individuos defectuosos para cada muestra.

N° defectuosos en muestra i
pi= , con i=1,2,...,k
ni

4) Calcular la estimación de p a través del total de individuos defectuosos encontrados.

∑ np
i i
 Total defectuosos 
p= = 
∑ ni  Total muestreado 

El valor será una estimación de la proporción p de defectuosos del proceso si éste

ha permanecido estable, sólo afectado por causas comunes, durante la toma de las
muestras.

Ing. Ferly Urday Luna

 5) Calcular los límites de control del gráfico mediante las fórmulas que siguen. (Si se
trabaja con p en %, los límites son iguales excepto que debe aparecer 100-p en
lugar de 1-p.)

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

Ing. Ferly Urday Luna

 15 120 3
16 140 14
17 100 4
18 90 7
19 100 6
20 100 9
Total 2335 136

Verificar si el grafico p mostrado a continuación, le corresponde a los datos de la tabla

anterior.

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.

Una vez seleccionado n, si no se conoce p se ha de estimar su valor. Para ello es

recomendable seguir los pasos que a continuación se señalan, puesto que además de
dar una estimación de np comprueban si el proceso ha estado bajo control durante la
estimación del parámetro.

Las formulas correspondientes para su cálculo son:

Ing. Ferly Urday Luna

4. Grafico C
En muchas ocasiones la característica que nos interesa controlar no es el número de
individuos defectuosos sino el número de defectos que aparecen en un individuo. Este
tipo de control puede ser más completo que los presentados anteriormente puesto que:
 El individuo puede no ser defectuoso y presentar defectos;
 El carácter defectuoso puede ser de distinta magnitud dependiendo de la cantidad de
defectos que presenta.
En aquellos procesos que no generan individuos, como por ejemplo, los procesos
continuos, también nos puede interesar el control del número de defectos por cierta
unidad definida: metro, metro cuadrado, hora, etc. Otros ejemplos en los que se puede
aplicar estos gráficos son cuando se desea controlar el nº de pasajeros que toman un
vuelo determinado por día, o el nº de camas ocupadas en un hospital por semana, o el
nº de personas que pasan por una caja registradora de unos grandes almacenes por
hora.

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.

Fórmulas de cálculo inicial

∑c
Línea central: c=
g

Límite superior de control: UCL= c+3 c

Límite inferior de control: U C L = c-3 c

Fórmulas de cálculo corregidas

∑ c-cd
Línea central: cnuevo=
g-gd

Límite superior de control: UCL=c +3 c

o o

Límite inferior de control: U C L = c o -3 c o

Ejemplo Aplicativo
Los siguientes datos recogen el número de defectos de estampación encontrados por
m2 en un proceso textil.

Ing. Ferly Urday Luna

 Nro. Defectos
Nro. Observación 2
por m
1 9
2 2
3 7
4 14
5 8
6 5
7 1
8 5
9 17
10 0
11 4
12 7
13 4
14 11
15 10
16 3
17 2
18 13
19 7
20 6
21 11
22 5
23 8
24 10
25 6
26 5
27 20
28 8
29 1
30 9
Crear los gráficos c inicial y corregidos.

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

Ing. Ferly Urday Luna

Grafico c corregido

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.

En el gráfico U se colocan igualmente el número de defectos por unidad, pero ahora no

tiene porqué ser un valor entero. La distribución de referencia en la cual está basado el
gráfico U puede ser calculada a través de la ley Poisson. En efecto, si

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:

Los límites de control son:

u
Límite de control superior: UCL= u+3
n

Límite de control inferior: u

U CL= u+ 3
n

Ing. Ferly Urday Luna


ACT IVIDADES DE LA PRÁCTICA

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.

# Turno Tamaño (ni) # Defectos # Turno Tamaño (ni) # Defectos

1 400 3 11 400 7
2 575 7 12 400 3
3 400 1 13 625 6
4 800 7 14 800 5
5 475 2 15 800 4
6 575 0 16 800 7
7 400 8 17 475 9
8 625 1 18 800 9
9 775 10 19 750 9
10 425 8 20 475 2

Elaborar un gráfico p.

Ing. Ferly Urday Luna

Pregunta Nro. 4
En el archivo “Practica Calificada.sf3”, se encuentra información referente a la fabricación de
abrazaderas de aluminio para la fijación de diversos tipos de cables en las torres de alta
tensión.
Las variables a utilizar son:

Nro_Abra Nro. de Abrazaderas de aluminio producidas en un turno de trabajo.

Def_Abra Nro. de Abrazaderas defectuosas encontradas por turno de trabajo.
Proporción de abrazaderas encontradas después de analizar muestras de
Abra_Linea tamaño 100, del proceso normalizado.

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.

Ing. Ferly Urday Luna

 Número de Número de no Número de Número de no
Fecha y turno Fecha y turno
inspecciones conformidades inspecciones conformidades

Nov. 8 I 171 11 Nov 17 I 165 16

II 167 6 II 170 35
9I 170 8 18 I 175 12
II 135 13 II 167 6
10 I 137 26 19 I 141 50
II 170 30 II 159 26
11 I 45 3 22 I 181 16
II 155 11 II 195 38
12 I 195 30 23 I 165 33
II 180 36 II 140 21
15 I 181 38 24 I 162 18
II 115 33 II 191 22
16 I 165 26 25 I 139 16
II 189 15 II 181 27

2. La cantidad de no conformidades que se encontraron en la superficie de 1000m2 de

papel kraft de 20kg aparece en la tabla siguiente. Calcule la línea central y sus límites de
control de ensayo así como la línea central y límites de control corregido, suponiendo
que los puntos que están fuera de control tienen causas atribuibles.

Número de Número de Número de Número de

lote conformidades lote conformidades

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

3. En un banco importante sean recopilado los datos que se consignan en la tabla

siguiente, en donde se muestra el número de no conformidades de 1000 operaciones
contables realizadas por día durante los meses de diciembre y enero. ¿Qué límites de
control y línea central son recomendables para la gráfica de control de febrero?, suponga
que los puntos que están fuera de control tienen causas atribuibles.

Ing. Ferly Urday Luna

 Número de no Número de
conformidades conformidades
8 17
19 14
14 9
18 7
11 15
16 22
8 19
15 38
21 12
8 13
23 5
10 2
9 16

4. Un técnico del área de calidad recopila datos sobre el número de no conformidades de

remache en camiones de carga de 4 metros. Luego de inspeccionar 30 camiones el
número total de no conformidades es de 316. Se obtuvieron los límites de control de
ensayo y al compartirlos con los datos se desprende que no hay puntos fuera de control.
¿Cuál es la recomendación para la línea central y los límites de control corregidos
correspondientes a la gráfica del número de no conformidades?

5. Diariamente se inspeccionan 100 etiquetas de un producto para asegurarse de que no

haya defectos en la superficie. Los resultados obtenidos durante los últimos 25 días son
22, 29.25, 17, 20 ,16 34, 11, 31, 29, 15, 10, 33, 23, 27, 15, 17, 17, 19, 22, 23, 27, 29, 22
y 21. Grafique los puntos en papel milimétrico y diga si el proceso es estable.
Calcule la línea central y límites de control de ensayo.

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

Ing. Ferly Urday Luna

7. Las labores de distribución de una bodega se han llevado a cabo bajo control estadístico
y es necesario calcular los límites de control del siguiente periodo. Si el tamaño del
subgrupo es de 100, el número total de no conformidades es de 835, y el número de
subgrupos es de 22, ¿Cuáles son los límites de control y la línea central nuevos?

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.

Astillas, Partículas Partículas Número total de

Numero de
ralladuras, extrañas adherías extrañas en no
botellas
otros a la superficie el fondo conformidades

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

9. Suponiendo que se utiliza un sistema de ponderación de deméritos de 10:5:1, calcule la

línea central y los límites de control cuando uc = 0,11, uma = 0,70, umi = 4,00 y n= 50. Si
los resultados de no conformidades obtenidos durante la inspección de un subgrupo de
en un día determinado es de 1 grabe, 35 importantes y 110 secundarias, diga si los
resultados obtenidos están controlados o fuera de control.

Ing. Ferly Urday Luna


CUESTIONARIO
1. ¿Que son los gráficos de control por atributos?
2. ¿Cuántos tipos de gráficos de control por atributos se han estudiado?
3. ¿Cómo se calcula la capacidad de proceso en los gráficos de control por atributos?
4. ¿Cuál es la diferencia entre el gráfico p y np?
5. ¿Cuál es la diferencia entre los gráficos C y U?
6. ¿En qué distribución se basan los gráficos p?
7. ¿En qué distribución se basan los gráficos C?

 REFEREN CI AS BIBLIOGRÁFICAS

Duncan, Acheson. Control de calidad y estadística industrial. Editorial Alfaomega 1989

Montgomery, D. Control Estadístico de la Calidad. Ed. LIMUSA WILEY. 2005
Besterfield, Dale H. Control de la calidad. Pearson Educación 1994

DOCUMENTOS ADJUNTOS

Ninguno

Ing. Ferly Urday Luna