MUNGUIA CASTILLO REYNA YULIANA

20

Departamento de Ingeniería Industrial

Universidad de Sonora

Materia:
Control de Calidad
(7986)

Asignación No. 11
“GRAFICOS DE CONTROL POR ATRIBUTOS.”

Maestro: Dr. Gilberto Ortiz Suárez.

09 de abril de 2023.
 MATERIA: CONTROL DE CALIDAD
ASIGNACIÓN: 11

GRÁFICOS DE P PROPORCIÓN DE DEFECTUOSOS

Muestra las variaciones en la fracción de artículos defectuosos por muestra o

subgrupo; es ampliamente utilizada para evaluar el desempeño de procesos.

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. La idea de
la carta es la siguiente:

 De cada lote, embarque, pedido o de cada cierta parte de la producción, se

toma una muestra o subgrupo de ni artículos, que puede ser la totalidad o
una parte de las piezas bajo análisis.
 Las ni piezas de cada subgrupo son inspeccionadas y cada una es
catalogada como defectuosa o no. Las características o atributos de calidad
por los que una pieza es evaluada como defectuosa, pueden ser más de
uno. Una vez determinados los atributos bajo análisis, es preciso aplicar
criterios y/o análisis bien definidos y estandarizados.
 Si de las ni piezas del subgrupo i se encuentra que di son defectuosas (no
pasan), entonces en la carta p se gráfica y se analiza la variación de la
proporción pi de unidades defectuosas por subgrupo:

Para calcular los límites de control se parte del supuesto de que la cantidad de
piezas defectuosas por subgrupo sigue una distribución binomial, y a partir de esto

1 de 13
se aplica el mismo esquema general, el cual señala que los límites están dados por
μw ± 3 σw la media, más menos tres desviaciones estándar del estadístico W que
se grafica en la carta. Por lo tanto, en el caso que nos ocupa W = pi. Así, de
acuerdo con la distribución binomial se sabe que la media y la desviación estándar

de una proporción están dadas, respectivamente, por:

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

defectuosos en el proceso. De acuerdo con esto, los límites de control de la carta p
con tamaño de subgrupo constante, están dados por:

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.

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

2 de 13
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 tabla 8.1.

Es claro que el problema de falta de vacío es del tipo pasa-no pasa; por lo tanto,
para analizar la variación de las proporciones de la tabla 8.1 se debe aplicar la

3 de 13
carta p. 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 8.1 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:

entonces los límites de control están dados por

Pero 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. La
carta p con estos límites se muestra en la fi gura 8.1. En ésta se aprecia que el
proceso de empaquetado no fue estable, ya que las proporciones de los subgrupos
1, 12 y 36 rebasan el LCS. De aquí se desprende que durante el empaquetado de
esos subgrupos el proceso funcionó en presencia de causas o situaciones
especiales que por lo general no están presentes en el proceso, y que causaron

4 de 13
que la proporción de defectuosos fuera anormalmente grande. Además de lo ya
considerado, no hay ningún otro patrón no aleatorio en la carta.

Al investigar lo ocurrido en los subgrupos 1, 12 y 36 se encontró que durante esas

horas se cambió el rollo de la película plástica de empaque, ya sea porque se
terminó o porque se empezó a empaquetar otra presentación. Se investigó en
otras máquinas y se encontró una situación similar. A partir de esto se adquirió
conciencia de que no había un método estandarizado para cambiar la película,
pues cada operador usaba su criterio. Al consultar los manuales de las máquinas
empaquetadoras se descubrió que ahí se daban instrucciones y recomendaciones
precisas para cambiar la película y se advertía que en caso de no seguirlas se
podrían tener problemas de falta de vacío. Se procedió a diseñar un método para
cambiar la película y dar el entrenamiento correspondiente a los operadores.

Con ello se espera que esos incrementos “bruscos” del problema no se vuelvan a
presentar. Lo curioso del asunto es que los operadores sabían que cuando
cambiaban la película debían estar más alertas, ya que se detectaban más
paquetes con falta de vacío. Sin embargo, esta situación fue ignorada por quienes
en la planta podían generar soluciones e implantar un método estándar, y si los
operadores se lo llegaban a comentar a una de esas personas la respuesta era:

5 de 13
“debes tener mucho cuidado”. Sólo el registro sistemático de los resultados del
proceso y su análisis mediante la carta de control generó la evidencia objetiva de
que recién cambiada la película el proceso funcionaba peor.

En el estudio inicial del ejemplo de las salchichas se identificaron las causas de los
puntos especiales; entonces, para calcular los límites que se usarán a futuro en
este proceso es preciso excluir de los cálculos las proporciones de los subgrupos 1,
12 y 36. Si se procede de esta manera, se obtiene que:

Por lo que los límites a usar a futuro son:

GRÁFICOS DE NP NÚMERO DE DEFECTUOSOS

Para número de unidades defectuosas (cuando los tamaños de la

muestra son constantes)

Para construir los gráficos de control np, en una primera etapa se toman N
muestras (más de 20 ó 25) a intervalos regulares, cada una con n tornillos. Se

6 de 13
cuenta en cada muestra el Número de Defectuosos y se registra. Se obtendría una
Tabla como la siguiente:

En cada muestra, la fracción de defectuosos es D i/n, siendo Di el número de

elemento defectuosos en la muestra i, y n el número de elementos en la muestra i

A partir de la tabla podemos calcular p como promedio de las fracciones de

defectuosos en las muestras.

pˉ=∑Di/nN

siendo N el número de muestras, y luego la Desviación Standard s:

s=n⋅pˉ (1−pˉ−−−−−−−−−√

Con esto podemos calcular los Límites de Control para el gráfico np:

LCS=npˉ+3npˉ(1−pˉ)−−−−−−−√;LC=npˉ;LCI=npˉ−3npˉ(1−pˉ)−−−−−−−−√

Construimos entonces un Gráfico np de prueba y representamos el número de

defectuosos en las muestras.
Si no hay puntos fuera de los límites de control y no se encuentran patrones no
aleatorios, se adoptan los límites calculados para controlar la producción futura.
Para las personas con poco entrenamiento estadístico, este gráfico suele ser más
fácil de interpretar que el gráfico p. Frecuentemente se utiliza solo el límite
superior.
En algunos procesos interesa medir la cantidad de defectos que presentan las
unidades de producto que se están fabricando. Por ejemplo, se fabrican móviles y
entonces se toma uno de ellos y se cuenta el número total de defectos. Estos

7 de 13
podrían ser:

Los defectos pueden ser de diferentes tipos y se cuenta el total de todos estos
defectos en la unidad inspeccionada. Obtenemos un resultado que es el Número
de Defectos por unidad de inspección.
A medida que el proceso genera las unidades (Teléfonos móviles), retiramos una
unidad a intervalos regulares y contamos el número total de defectos. En cada
unidad podemos encontrar n defectos.

1 defecto

2 defectos

...

n defectos

Los resultados obtenidos al contar el Número de Defectos en unidades de

inspección tomadas a intervalos regulares constituyen una variable aleatoria
discreta, porque puede tomar los valores discretos 0, 1, 2, ... n. Esta variable
aleatoria tiene una distribución de Poisson:

P(x)=e−ccxx!conx=0,1,2,⋅⋅⋅,n(∗)

Supongamos un proceso que fabrica tornillos. Una manera de ensayar cada tornillo
sería probarlo con una rosca calibrada.

8 de 13
El resultado de este ensayo sólo tiene dos posibles resultados:

Defectuoso - No Defectuoso (ó Conforme-No Conforme).

Si el tornillo no entra en la rosca, se lo considera defectuoso o no conforme.

Para controlar este proceso, se puede tomar una muestra de tornillos y contar el
número de defectuosos presentes en la muestra.

La variable aleatoria número de defectuosos es una variable aleatoria discreta,

porque puede tomar un número finito de valores, o infinito numerable. Los gráficos
np se utilizan para controlar el número de defectuosos en una muestra.
Para controlar este proceso, un inspector se coloca al final de la línea de
producción y cada hora retira una muestra de n=50 tornillos (por ejemplo),
comprueba cada uno con la rosca y anota el número de defectuosos.

Este resultado se anota en un gráfico hora por hora denominado gráfico np.
Si se tomara del proceso un sólo tornillo ¿Cuál es la probabilidad de que sea
defectuoso? Imaginando la población de tornillos que podría fabricar el proceso
trabajando siempre en las mismas condiciones, una cierta proporción p de estos

9 de 13
serían defectuosos. Entonces, la probabilidad de tomar un tornillo y que sea
defectuoso es p.

En una muestra de n tornillos, la probabilidad de encontrar:

0 defectuosos; 1 defectuoso; 2 defectuosos; ...; n defectuosos

está dada por una distribución binomial con parámetros n y p.

Como sabemos, el promedio de la población es p y la varianza es n.p.(1-p).

GRÁFICOS DE C NÚMERO DE DEFECTOS

Para número d defectos por unidad (para tamaños de muestra

constante)
En el gráfico ‘c’ se representan el número de defectos existentes en cada unidad
de inspección. En la mayor parte de los casos, la unidad de inspección será una
unidad de producto, aunque esto no es absolutamente necesario ya que la unidad
de inspección constituye simplemente una porción de producción sobre la que es
conveniente registrar el número de defectos encontrados. Puede ser un grupo de
1,5 6 10 unidades de producto. Supongamos que los defectos tienen lugar en esta
unidad de inspección de acuerdo con la distribución de Poisson dada en (∗), donde
x es el número de defectos en la unidad de inspección y C es el parámetro de la
distribución, Sabemos que la media y la varianza de la distribución de Poisson son
ambas iguales a C. En consecuencia, los límites de control 3 sigma para el número
de defectos serán:

LCS=c+3c√;LC=c;LCI=c−3c√

Hay que tener en cuenta que la probabilidad de producir una falsa alarma por
situarse el punto por encima del límite de control superior es diferente que la de
situarse por debajo del límite inferior (colas superior e inferior diferentes). Si no se
conoce el parámetro c, debe estimarse a partir de una muestra preliminar de

10 de 13
unidades de inspección. El valor obtenido en la estimación, O sustituirá al valor O
en los límites arriba indicados.

GRÁFICOS DE U NÚMERO DE DEFECTOS POR UNIDAD

Número de defectos por unidad (tamaños de muestra variable)

Supongamos que se está controlando el número de defectos en un proceso de

ensamblado de licuadoras y se define una unidad de inspección de 5 licuadoras. En
este caso es posible trabajar con un gráfico C, como ya hemos visto. Pero tal vez
se desea controlar el promedio de defectos por cada licuadora (unidad de
producción) en lugar del total de defectos para las 5 licuadoras (unidad de
inspección):

xi=nim

siendo ni la cantidad de Defectos por Unidad de Inspección y m el número de

Unidades de Producción en la Unidad de Inspección.
En nuestro ejemplo, si encontramos ni defectos en la unidad de inspección (5
licuadoras), la cantidad promedio de defectos por licuadora será xi=ni/5.
Se debe tener en cuenta que x es una nueva variable aleatoria discreta que toma
valores 0, 1/m, 2/m, …etc., y cuya distribución de probabilidades se puede
calcular a partir de la Distribución de Poisson.
Como en el caso de los gráficos C, en una primera etapa se toman N unidades de
inspección (más de 25 ó 30) a intervalos regulares. Se cuenta en cada unidad de
inspección el Número de Defectos y se registra. Luego se divide el Número de
Defectos de cada unidad de inspección por m (Número de unidades de producción
en cada unidad de inspección).
En nuestro ejemplo (m = 5) la Tabla quedaría así:

11 de 13
Entonces, a partir de la tabla podemos calcular el parámetro U, como promedio del
Número de Defectos por licuadora, y la Desviación Standard:

U=∑ni/mN;s=Um−−−√

siendo: ni la cantidad de Defectos por Unidad de Inspección, m el Número de

Unidades de Producción en la Unidad de Inspección y N el Número de Unidades de
Inspección.
Con esto podemos calcular los Límites de Control para el gráfico U:

LSC=C+3Um−−−√;LC=U;LIC=C−3Um−−−√

12 de 13