GESTIÓN DE LA CALIDAD

FUNDAMENTOS DE CALIDAD, HERRAMIENTAS

BÁSICAS DE LA CALIDAD Y ESTADÍSTICA
APLICADA AL CONTROL Y MEJORA CONTINUA

ESTUDIO DE CAPACIDAD PARA ATRIBUTOS

VARIABLE DE TIPO DISCRETA

LOGRO DE LA SESIÓN

Al término de la sesión el estudiante resuelve casos

referidos a procesos de manufactura de bienes o de
servicios aplicando las cartas de control y estudio de
capacidad con variables de tipo discreto, para el
mejoramiento continuo de los mismos, siguiendo el
procedimiento desarrollado en la clase, demostrando
puntualidad, orden y calidad en la interpretación y
presentación de sus resultados.
 ANÁLISIS DE
CAPACIDAD BINOMIAL
CAPACIDAD DEL PROCESO
CON VALORES DE Z

PROCESO CAPAZ CUANDO

Z objetivo = 2
 PROPORCIÓN DE
PRODUCTOS DEFECTUOSOS

CARTA DE CONTROL P

Los principios estadísticos que sirven de base a la carta

de control P se basan en la
Distribución Binomial: Pasa/No pasa
 CAPACIDAD DE PROCESOS POR ATRIBUTOS
ANÁLISIS DE CAPACIDAD BINOMIAL DEL PROCESO

N° cuentas
Depósitos
defectuosas
El gerente de operaciones del Dpto. de Servicios de
250 25
registro del Interbank Filial Mall Aventura Plaza se 257 27
260 27
siente preocupado por la gran cantidad de errores que 256 27
259 28
comete el personal de ese banco al registrar los 259 22
250 21
números de cuenta de los clientes. Cada semana se 260 30
254 24
toma una muestra aleatoria de depósitos de tamaño 253 27
251 15
variable y se anota la cantidad de números de cuenta 254 20
251 24
registrados incorrectamente. Los resultados de las 256 31
255 22
últimas 21 semanas aparecen en la siguiente tabla. 249 21
257 22
¿Esta fuera de control este proceso? ¿Es capaz? Use 252 21
258 20
acotamiento de control tres sigma. 252 30
249 27
 CAPACIDAD DE PROCESOS POR ATRIBUTOS

¿Qué carta de control de atributos debo trabajar?

Cada semana se toma una muestra aleatoria de

N° cuentas
depósitos de tamaño variable y se anota la cantidad de Depósitos
defectuosas
números de cuenta registrados incorrectamente
250 25
(cuentas defectuosas). Los resultados de las últimas 21 257 27
semanas aparecen en la siguiente tabla. 260 27
256 27
259 28
259 22
“Cuentas defectuosas” 250
260
21
30
Carta de control P de tamaño variable 254 24
253 27
251 15
254 20
251 24
¿Qué valor de Z debo usar para calcular el LCS y el LCI? 256 31
255 22
249 21
257 22
“Use acotamiento de control tres sigma”.
252 21
258 20
252 30

Z=3 249 27
 ANÁLISIS DE CAPACIDAD BINOMIAL DEL
PROCESO
N° cuentas
Depósitos
defectuosas
Calcular P barra 250 25
257 27
260 27
256 27
259 28
m
Σ di 259
250
22
21
i =1
p= m
260
254
30
24
Σ ni 253 27
i =1 251 15
254 20
251 24
256 31
255 22
249 21
257 22
252 21
258 20
252 30
249 27

P = P barra = 511/5342 = 0.0957 5342 511

 CAPACIDAD DE PROCESOS POR ATRIBUTOS
PROPORCIÓN DE DEFECTUOSOS – CARTA P
ANÁLISIS DE CAPACIDAD BINOMIAL DEL PROCESO

Calcular LC y graficar
p (1 - p )
LCS i P = p+ z ni

LC p
= p

p (1 - p )
LCI i p = p - z ni
Carta P
0.200

Proporción
0.150
defectuosa
LCS
0.100
LC
0.050
LCI

0.000
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21
z = 3 para límites del 99,73%
 CAPACIDAD DE PROCESOS POR ATRIBUTOS
PROPORCIÓN DE DEFECTUOSOS – CARTA P
ANÁLISIS DE CAPACIDAD BINOMIAL DEL PROCESO

CARTA P
0.160

0.140

0.120 Proporción defectuosa

SIEMPRE 0.100

CON 0.080
LCS

PROCESO 0.060
LC

ESTABLE 0.040

0.020 LCI

0.000
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21

P = P barra = 0.0957 Cuenta defectuosa/Depósito

P = P barra = 0.0957 Cuenta defectuosa/Depósito
 ANÁLISIS DE CAPACIDAD BINOMIAL
DEL PROCESO

Cuando n es grande, Abraham de Moivre demostró

que:

D. Binomial ~ (se aproxima)

D. Normal
 CAPACIDAD DE PROCESOS POR ATRIBUTOS
ANÁLISIS DE CAPACIDAD BINOMIAL DEL PROCESO

P = P barra = 0.0957
Cuentas defectuosas/Depósito

No defectuoso
(1- P barra) = Área = 0.9043
Defectuoso
P barra = Área = 0.0957

El punto en la curva normal estándar con un área de 0.0957 hacia la

derecha es (1- 0.0957) = 0.9043.

0.9043 equivale al % de producto no

defectuoso = (1 – P barra)
ANÁLISIS DE CAPACIDAD BINOMIAL DEL
PROCESO

PROCESO
CAPAZ
Z Proceso > Z Objetivo
Z Objetivo = 2.00

Z = INV.NORM.ESTAND(1- P barra)
 ANÁLISIS DE CAPACIDAD BINOMIAL DEL
PROCESO
P = P barra = 0.0957
(1 - P barra) = 0.9043 No defectuoso Defectuoso
(1- P barra) = ÁREA = 0.9043 P barra = ÁREA = 0.0957

Z = INV.NORM.ESTAND(1- P barra)

Z = INV.NORM.ESTAND(0.9043)

Z Proceso = 1.307 % defectuoso = 0.0957*100 = 9.57%

PROCESO NO
Z Objetivo = 2.00 Z proceso < Z objetivo
CAPAZ

El valor Z del proceso es de 1.307 y es menor que Z objetivo de 2.0, que suele considerarse el
valor mínimo necesario para que un proceso sea capaz. El ingeniero supervisor necesita
determinar por qué hay tantos números de cuenta defectuosas y cómo se puede mejorar el
proceso.
 CAPACIDAD DEL PROCESO
CON VALORES DE DPU
Análisis de capacidad de
Poisson
PROCESO CAPAZ CUANDO
Media estimada del DPU = 0 (*)

(*) Muchas organizaciones tienen establecido

valores mínimos. Por ejemplo: DPU = 2
defectos por unidad
 Media estimada del DPU
La media de defectos por unidad (DPU) es el promedio
de defectos por unidad de medición entre las muestras.

DPU: DEFECTS PER UNIT

Utilice la media de DPU del proceso para estimar el número promedio de

defectos que usted puede esperar para cada unidad y determinar si el
proceso satisface las expectativas del cliente.

Se debe comparar la media de DPU del proceso (calculada) con el DPU

objetivo para determinar si el proceso cumple con los requisitos.

Si la media o DPU del proceso (calculada) es mayor

que el DPU objetivo, se debe mejorar el proceso.
 ANÁLISIS DE CAPACIDAD DE POISSON

Aplica para procesos donde se cuentan DEFECTOS y

se trabaja con la Carta C o Carta U

DPU del proceso (calculada) = C = U

DPU objetivo por lo general es 0 (cero) defectos por

unidad pero algunas organizaciones determinan sus
propios valores objetivos
 ANÁLISIS DE CAPACIDAD DE POISSON

DEFECTOS
n constante
CARTA DE CONTROL C

Media estimada del DPU = C

La carta de control C se basan en la

distribución de Poisson
 CAPACIDAD DE PROCESOS POR ATRIBUTOS
NÚMERO DE DEFECTOS CON n CONSTANTE – CARTA C
ANÁLISIS DE CAPACIDAD DE POISSON
Nº muestra o Subgrupo Defectos
1 7
2 5
En una fábrica de muebles se inspecciona el 3 10
4 2
acabado de las mesas cuando salen del área de 5 6
6 5
laqueado y se registra los defectos encontrados 7 4
8 9
9 7
en cada mesa. En la tabla se muestran los 10 5
11 6
defectos encontrados en las últimas 30 mesas y 12 7
13 8
aunque influyen en la calidad final de la mesa, 14 4
15 5
no causa que la mesa sea rechazada. Analizar 16 12
17 8
los datos y determinar los límites de control 18 10
19 4
para un proceso cuyo nivel de confianza es de 20 7
21 3
22 10
99.73%. Determine si el proceso es capaz. La 23 6
24 6
empresa tiene establecido que el DPU mínimo 25 7
26 4
exigido en su proceso es 2 defectos por unidad. 27 5
28 6
29 8
30 5
 CAPACIDAD DE PROCESOS POR ATRIBUTOS
NÚMERO DE DEFECTOS CON n CONSTANTE – CARTA C
ANÁLISIS DE CAPACIDAD DE POISSON
En una fábrica de muebles se inspecciona el acabado Nº muestra o Subgrupo Defectos
de las mesas cuando salen del área de laqueado y se 1 7
2 5
registra los defectos encontrados en cada mesa. En la 3 10

tabla se muestran los defectos encontrados en

4 2
5 6
las últimas 30 mesas y aunque influyen en la calidad 6 5
7 4
final de la mesa, no causa que la mesa sea 8 9
rechazada. Analizar los datos y determinar los límites 9 7
10 5
de control para un proceso cuyo nivel de confianza 11 6
es de 99.73%. Determine si el proceso es capaz. La 12 7
13 8
empresa tiene establecido que el DPU mínimo 14 4
exigido en su proceso es 2 defectos por unidad. 15 5
16 12
¿Qué carta de control de atributos debo trabajar? 17 8
18 10
19 4
“Defectos” 20 7
21 3
Carta de control C de tamaño constante
22 10
23 6
24 6
¿Qué valor de Z debo usar para calcular el LCS y 25 7
el LCI? 26 4
27 5
28 6
Nivel de confianza es de 99.73%  Z = 3 29
30
8
5
 ANÁLISIS DE
CAPACIDAD DE
POISSON

CONSTRUCCIÓN CON
EXCEL
 CAPACIDAD DE PROCESOS POR ATRIBUTOS
NÚMERO DE DEFECTOS CON n CONSTANTE – CARTA C

N° medio de defectos por unidad


c   Ci / m
Ʃ Ci = Sumatoria de defectos

 Ci  191
m = Número de muestras = 30


c   Ci / m  191 / 30

C = C barra = 6.37 defectos/mesa

 CAPACIDAD DE PROCESOS POR ATRIBUTOS
NÚMERO DE DEFECTOS CON n CONSTANTE – CARTA C

Muestra LCI LC LCS Defectos

1
2
0
0
6.37
6.37
13.94
13.94
7
5
LCS c  c  Z c
3
4
0
0
6.37
6.37
13.94
13.94
10
2 LC  c
5 0 6.37 13.94 6
6 0 6.37 13.94 5 LCI c  c  Z c
7 0 6.37 13.94 4
8 0 6.37 13.94 9
9
10
0
0
6.37
6.37
13.94
13.94
7
5 15.5
z = 3 para límites del 99,73%
11 0 6.37 13.94 6 14.5
12 0 6.37 13.94 7 13.5
12.5
13 0 6.37 13.94 8 11.5
14 0 6.37 13.94 4 10.5
15 0 6.37 13.94 5 9.5
16 0 6.37 13.94 12 8.5
17 0 6.37 13.94 8 7.5 LCI
6.5
18 0 6.37 13.94 10 5.5 LC
19 0 6.37 13.94 4 4.5
20 0 6.37 13.94 7 3.5 LCS
21 0 6.37 13.94 3 2.5 Defectos
1.5
22 0 6.37 13.94 10
0.5
23 0 6.37 13.94 6 -0.5
24 0 6.37 13.94 6 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29
25 0 6.37 13.94 7
26 0 6.37 13.94 4
27 0 6.37 13.94 5
28 0 6.37 13.94 6
29 0 6.37 13.94 8
30 0 6.37 13.94 5
 CAPACIDAD DE PROCESOS POR ATRIBUTOS
NÚMERO DE DEFECTOS CON n CONSTANTE – CARTA C
MEDIA ESTIMADA DEL DPU

15.5
14.5
13.5
12.5
11.5
10.5
9.5
8.5
7.5 LCI
6.5
5.5 LC
4.5
3.5 LCS
2.5 Defectos
1.5
0.5
-0.5
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30

Se aprecia que el proceso esta bajo control estadístico ya que no hay causas asignables
y no se observan muestras fuera de los LC.
 CAPACIDAD DE PROCESOS POR ATRIBUTOS
NÚMERO DE DEFECTOS CON n CONSTANTE – CARTA C
MEDIA ESTIMADA DEL DPU
15.5
14.5
13.5
12.5
11.5
10.5
9.5
SIEMPRE 8.5
7.5
CON 6.5
LCI

PROCESO 5.5
4.5
LC

ESTABLE 3.5 LCS

2.5 Defectos
1.5
0.5
-0.5
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30

C = C barra (DPU del proceso) = 6.37 defectos/mesa

DPU objetivo = 2.0 defectos/unidad

DPU del proceso > DPU objetivo PROCESO NO CAPAZ

ya que la MEDIA ESTIMADA DEL DPU proceso es C barra = 6.37 defectos/Unidad y
es mayor a DPU objetivo de 2.
El ingeniero debe considerar cómo podrá reducir aún más el DPU mejorando el proceso.
 ANÁLISIS DE CAPACIDAD DE POISSON

DEFECTOS
n variable
CARTA DE CONTROL U

Media estimada del DPU = U

PROCESO CAPAZ
Media estimada del DPU = 0 (*)

La carta de control U se basan en la distribución de Poisson

(*) Muchas organizaciones tienen establecido valores mínimos. Por ejemplo: DPU = 2 defectos por unidad
 CAPACIDAD DE PROCESOS POR ATRIBUTOS
NÚMERO DE DEFECTOS CON n VARIABLE – CARTA U
ANÁLISIS DE CAPACIDAD DE POISSON
Tamaño de
N° muestra Defectos
muestra
1 20 17
2 20 24
En una fábrica se ensamblan artículos electrónicos y 3 20 16
4 20 26
al final del proceso se hace una inspección por 5 15 15
6 15 15
muestreo para detectar defectos relativamente
7 15 20
menores. En la tabla se presenta el número de 8 25 18
9 25 26
defectos observados en muestreos realizados sobre 10 25 13
11 25 25
24 lotes consecutivos de piezas electrónicas. El 12 30 21
13 30 40
número de piezas inspeccionadas en cada lote es 14 30 24
15 30 46
variable. Use un nivel de confianza del 99.73%. 16 30 32
17 30 30
¿El proceso es capaz? 18 30 34
19 15 11
20 15 14
21 15 25
22 15 17
23 15 18
24 15 20
 CAPACIDAD DE PROCESOS POR ATRIBUTOS
NÚMERO DE DEFECTOS CON n VARIABLE – CARTA U
ANÁLISIS DE CAPACIDAD DE POISSON
En una fábrica se ensamblan artículos electrónicos y Tamaño de
N° muestra Defectos
al final del proceso se hace una inspección por muestra
muestreo para detectar defectos relativamente 1 20 17
menores. En la tabla se presenta el número de 2 20 24
3 20 16
defectos observados en muestreos realizados 4 20 26
sobre 24 lotes consecutivos de piezas electrónicas. El 5 15 15
6 15 15
número de piezas inspeccionadas en cada 7 15 20
lote es variable. Use un nivel de confianza del 8 25 18
99.73%. 9 25 26
10 25 13
11 25 25
¿Qué carta de control de atributos debo trabajar?
12 30 21
13 30 40
“Defectos” 14 30 24
Carta de control U de tamaño variable 15 30 46
16 30 32
17 30 30
¿Qué valor de Z debo usar para calcular el LCS y 18 30 34
el LCI? 19 15 11
20 15 14
21 15 25
Nivel de confianza es de 99.73%  Z = 3 22 15 17
23 15 18
24 15 20
 ANÁLISIS DE
CAPACIDAD DE
POISSON

CONSTRUCCIÓN CON
EXCEL
 CAPACIDAD DE PROCESOS POR ATRIBUTOS
NÚMERO DE DEFECTOS CON n VARIABLE – CARTA U
ANÁLISIS DE CAPACIDAD DE POISSON
Tamaño de
N° muestra Defectos
muestra
1 20 17
2 20 24
Calcular U barra 3 20 16
4 20 26
5 15 15
6 15 15
7 15 20
8 25 18
9 25 26
10 25 13

u   ui /  ni  547 / 525  1.042
11 25 25
12 30 21
13 30 40
14 30 24
15 30 46
16 30 32
17 30 30
18 30 34
19 15 11
20 15 14
21 15 25

U = U barra = 1.042 defectos/pieza 22

23
15
15
17
18
24 15 20
SUMATORIA 525 547
 CAPACIDAD DE PROCESOS POR ATRIBUTOS
NÚMERO DE DEFECTOS CON n VARIABLE – CARTA U
ANÁLISIS DE CAPACIDAD DE POISSON
u
Calcular LC y graficar LCS u  u  Z
ni
LCu  u
u
LCS u  u  Z
ni
z = 3 para límites del 99,73%

CARTA U
2.000
1.800
1.600
1.400
1.200
1.000
0.800
0.600
0.400
0.200
0.000
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

N° defectos por pieza LCS LC LCI

 CAPACIDAD DE PROCESOS POR ATRIBUTOS
NÚMERO DE DEFECTOS CON n VARIABLE – CARTA U
ANÁLISIS DE CAPACIDAD DE POISSON

CARTA U
2.000
1.800
1.600
1.400
1.200
1.000
0.800
0.600
0.400
0.200
0.000
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

N° defectos por pieza LCS LC LCI

Se aprecia que el proceso esta bajo control estadístico ya que no hay causas asignables
y no se observan muestras fuera de los LC
 CAPACIDAD DE PROCESOS POR ATRIBUTOS
NÚMERO DE DEFECTOS CON n VARIABLE – CARTA U
ANÁLISIS DE CAPACIDAD DE POISSON
CARTA U
2.000
1.800
1.600
1.400
SIEMPRE 1.200
1.000
CON 0.800
PROCESO 0.600
0.400
ESTABLE 0.200
0.000
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

N° defectos por pieza LCS LC LCI

U = U barra = DPU del proceso = 1.042 defectos/pieza

DPU objetivo = 0.0 defectos/unidad

DPU del proceso > DPU objetivo PROCESO NO CAPAZ

Ya que la MEDIA ESTIMADA DEL DPU del proceso es U barra = 1.042 defectos/pieza es
mayor la DPU objetivo de 0. El ingeniero debe considerar cómo podrá reducir aún más
el DPU mejorando el proceso.
¿ALGUNA PREGUNTA?