Está en la página 1de 46

INGENIERIA Y CONTROL DE LA CALIDAD

CONTROL ESTADISTICO DEL PROCESO


GRAFICAS DE CONTROL PARA ATRIBUTOS

Csar A. Acosta-Meja

GRAFICAS DE CONTROL PARA ATRIBUTOS

Atributo: caracterstica de calidad que el bien o servicio posee o no.

Ejemplos:
1. El Color de la carrocera de un automovil
2. El acabado superficial de una lmina
Un producto defectuoso puede tener uno o ms defectos

GRAFICOS DE CONTROL PARA ATRIBUTOS


CLASIFICACION
Grficos de control para unidades defectuosas
La grfica p fraccin defectuosa
La grfica np nmero de unidades defectuosas
Grficos de control para defectos

La grfica c nmero de defectos.


La grfica u nmero de defectos por unidad.

GRAFICOS DE CONTROL PARA ATRIBUTOS


CLASIFICACION
Grficos de control para unidades defectuosas

muestras de:

La grfica p fraccin defectuosa


La grfica np nmero de unidades defectuosas

(tamao constante)

Grficos de control para defectos

La grfica c nmero de defectos.


La grfica u nmero de defectos por unidad.

(tamao constante)

GRAFICA DE CONTROL p

Sea xi el nmero de unidades defectuosas observadas en muestras de


tamao ni .
Sea pi la fraccin defectuosa de la muestra i (de tamao ni)
pi

Nmero de defectuosos xi
Nmero de Artculos ni

Se grafica los valores de pi y se verifica que


se encuentren entre los lmites de control
no se observan patrones sistemticos
En caso de haber puntos fuera de control, los lmites se recalculan

GRAFICA DE CONTROL p

Si el proceso est estable con fraccin defectuosa constante p; y si las


observaciones se pueden considerar independientes entonces:
X : # de defectuosos en una muestra de tamao n

Binomial (n,p)

La distribucin binomial se aproxima por la distribucin normal si np > 5


X Normal ( = np, = np(1-p) )
y los lmites de control son:

E [X/n] 3 DS [X/n]
p
3 p(1-p)/ n

GRAFICA DE CONTROL p

Esta grfica controla si el parmetro p de la distribucin binomial


permanece constante
En un solo grfico se puede controlar una, varias, o todas las
caractersticas de calidad del producto

GRAFICA DE CONTROL p
Clculo de los lmites de control

Los Lmites de control son:


(binomial normal)
Si p no se conoce, se le estima
a partir de m muestras previas, con

p3

x
m

p (1 p )
n

GRAFICA DE CONTROL p
Clculo de los lmites de control

Los Lmites de control son:


(binomial normal)
Si p no se conoce, se le estima
a partir de m muestras previas, con

Note que si n vara


los lmites de control no seran constantes

p3

p (1 p )
n

x
m

p3

p(1 p)
ni

GRAFICA DE CONTROL p
los datos siguen una distribucin binomial

Estadstico (x/n)

Lmite Superior de Control (LSC)


Lnea Central
Lmite Inferior de Control (LIC)

muestra
X es una v. a. binomial(n, p)

GRAFICA DE CONTROL p
los datos siguen una distribucin binomial

El proceso est estable o en control (estadstico) si la distribucin binomial se


mantiene constante en el tiempo
X/n

tiempo

La distribucion binomial permanece constante si p no cambia

GRAFICA DE CONTROL p
Seleccin del tamao de muestra n
La binomial se aproxima por la distribucin normal si np > 5
por tanto n > 5 / p

GRAFICA DE CONTROL p
Seleccin del tamao de muestra n
La binomial se aproxima por la distribucin normal si np > 5
por tanto n > 5 / p
Si se desea asegurar un LIC entonces
por tanto n > 9 (1-p) / p

p - 3 p(1-p)/ n > 0

GRAFICA DE CONTROL p
Seleccin del tamao de muestra n
La binomial se aproxima por la distribucin normal si np > 5
por tanto n > 5 / p
Si se desea asegurar un LIC entonces

p - 3 p(1-p)/ n > 0

por tanto n > 9 (1-p) / p


Si el proceso tiene fraccin p0 y se desea detectar que la fraccin ha
cambiado a p1 con un 50% de probabilidad entonces
x/n
LSC

p1

p0

p0

GRAFICA DE CONTROL p
Seleccin del tamao de muestra n
La binomial se aproxima por la distribucin normal si np > 5
por tanto n > 5 / p
p - 3 p(1-p)/ n > 0

Si se desea asegurar un LIC entonces


por tanto n > 9 (1-p) / p

Si el proceso tiene fraccin p0 y se desea detectar que la fraccin ha


cambiado a p1 con un 50% de probabilidad entonces
LSC

= p1

p0 + 3 p0 (1-p0 )/ n = p1
n

= 3 p0 (1-p0 ) / (p1 - p0)

= 9 p0 (1-p0 ) / (p1 - p0)2

p1

GRAFICA DE CONTROL p
Seleccin del tamao de muestra n
La binomial se aproxima por la distribucin normal si np > 5
por tanto n > 5 / p
p - 3 p(1-p)/ n > 0

Si se desea asegurar un LIC entonces


por tanto n > 9 (1-p) / p

Si el proceso tiene fraccin p0 y se desea detectar que la fraccin ha


cambiado a p1 con un 50% de probabilidad entonces
LSC

p1

p0 + 3 p0 (1-p0 )/ n p1
n

3 p0 (1-p0 ) / (p1 - p0)

9 p0 (1-p0 ) / (p1 - p0)2

GRAFICA DE CONTROL p
Ejemplo 1
La compaa ABC fabrica cortadoras de csped. La produccin diaria es de
aproximadamente 200 cortadoras. Se ha decidido seleccionar cada da 40 cortadoras al
azar de la lnea de proceso para realizar la prueba de calidad. La prueba consiste en
realizar dos ensayos tirando el cordn para ver si el motor arranca. El ingeniero de
produccin desea realizar un diagrama p para esta prueba crtica de funcionamiento.
Los datos de mes de marzo con 22 das laborables se muestran en la tabla anexa.
a) Construya la grfica p e identifique si el proceso est bajo control
b) Estime la fraccin defectuosa del proceso suponiendo que se eliminan las causas
especiales de variabilidad
c) Cuntas cortadoras se requieren probar cada da ?

Da

Numero de artculos
defectuosos (x)

Fraccin
defectuosa (x/n)

2/40 = 0.050

0.075

0.025

0.1

0.075

0.05

0.025

0.025

10

0.075

11

0.05

12

0.1

13

0.175

14

0.05

15

0.075

16

0.075

17

0.05

18

0.2

19

20

0.025

21

0.075

22

0.05

TOTAL

57

GRAFICA DE CONTROL p
Ejemplo 1

a)

m = 22 nmero de muestras
n = 40 tamao de cada muestra
M

x
j 1
M

n
j 1

57

0.06477
22 (40)

0.06477 1 0.06477
LSC 0.06477 3
0.1816
40
LC 0.06477
LIC 0

GRAFICA DE CONTROL p
Stat > Control Charts > P

P Chart
1

0.2

Proportion

UCL=0.1815

0.1
P=0.06477

0.0

LCL=0
0

10

Sample Number

20

b) El punto p18 cae fuera de los lmites de control y el punto p 13 est muy prximo. Al
determinar la causa que produjo su comportamiento se les elimina y se recalculan p y
los lmites de control (para usarlos durante abril):
Da (i)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22

Numero de artculos
no conformantes en el grupo
2
3
1
4
3
2
1
1
0
3
2
4
7
2
3
3
2
8
0
1
3
2
57

Fraccin no
conformante
2/40 = 0.050
0.075
0.025
0.100
0.075
0.050
0.025
0.025
0.000
0.075
0.050
0.100
0.175
0.050
0.075
0.075
0.050
0.200
0
0.025
0.075
0.050

b) El punto p18 cae fuera de los lmites de control y el punto p 13 est muy prximo. Al
determinar la causa que produjo su comportamiento se les elimina y se recalculan p y
los lmites de control (para usarlos durante abril):

pest

42

= 0.0525

20(40)

0.0525 1 0.0525
LSC 0.0525 3
0.1583
40
LC 0.0525
LIC 0

GRAFICA DE CONTROL p
P Chart > Estimate > Omit > 13 18

P Chart con lmites revisados


1

0.2

Proportion

UCL=0.1583

0.1
P=0.0525

0.0

LCL=0
0

10

Sample Number

20

GRAFICA DE CONTROL p
Ejemplo 1
c) Para el prximo mes se utilizarn estos lmites revisados para que conforme se
tomen las muestras de cortadoras inmediatamente se verifique si el proceso
permanece en control o no.

Las muestras debern ser de tamao n (5 / 0.0525) = 95.24 para que los
lmites sean vlidos

GRAFICA DE CONTROL p
Ejemplo 1

d) Suponga que la fraccin defectuosa real del proceso aumenta a 0.11. Cul es la
probabilidad de que la grfica lo detecte en la siguiente muestra ?

GRAFICA DE CONTROL p
Ejemplo 1

d) Suponga que la fraccin defectuosa real del proceso aumenta a 0.11. Cul es la
probabilidad de que la grfica lo detecte en la siguiente muestra ?
Sea X BIN (n = 40, p = 0.11)
P [x / n > LSC]

= P [x / n > 0.1583]
= P [ x > 40 (0.1583)]
= P [ x > 6.332]
= 1 - 0.8555
= 0.145

GRAFICA DE CONTROL p
ANALISIS DE PATRONES
El proceso es dado como
fuera de control si se viola
alguna de cuatro reglas:

Test 2 debe decir


Eight points in a row

GRAFICA DE CONTROL p
ANALISIS DE PATRONES
El proceso es dado como
fuera de control si se viola
alguna de cuatro reglas:

Test 2 debe decir


Eight points in a row

(si el tamao de las muestras es


variable, los lmites de control
no son constantes y entonces
solo aplica la regla Test 1)

GRAFICA DE CONTROL p
Ejemplo 2 muestra variable
Rechazos

Muestra

El ingeniero de calidad de una empresa toma muestras de

20

98

18

104

la produccin diaria con el objeto de elaborar una grfica

14

97

16

99

13

97

29

102

21

104

14

101

55

defectuosa de cierto da excede los lmites de control el

48

50

ingeniero debe inspeccionar al 100% el lote producido.

53

56

a) Determine los lmites de control y contruya la grfica

49

56

b) Determine los lmites de control futuros, suponiendo

53

52

10

51

52

10

47

240

1424

p.
La tabla anexa muestra los rechazos encontrados y la
cantidad de piezas revisadas cada da. Si la fraccin

que se identifican las causas especiales de los puntos fuera


de control.

GRAFICA DE CONTROL p
Ejemplo 2
a) Lmites de control
p = xi = 240 = 0.16854
ni

1424

LSCi = 0.168 + 3(0.168)(1-0.168)/ni


LICi = 0.168 - 3(0.168)(1-0.168)/ni

GRAFICA DE CONTROL p
Ejemplo 2
a) Lmites de control
p = xi = 240 = 0.16854
ni 1424
LSCi = 0.168 + 3(0.168)(1-0.168)/ni
LICi = 0.168 - 3(0.168)(1-0.168)/ni
En este caso los lmites de control son variables dependiendo del
tamao ni de la muestra

GRAFICA DE CONTROL p
Ejemplo 2
P Chart for C1
UCL=0.3324

Proportion

0.3

0.2
P=0.1685
0.1

LCL=0.004728

0.0
0

10

Sample Number

20

GRAFICA DE CONTROL p
Ejemplo 2
b) Lmites de control (despus de eliminar punto p 6)
pest = xi = 240 - 29
ni

= 0.1596

1424 - 102

LSC = 0.1596 + 3(0.1596)(1-0.1596)/ni


LSC = 0.1596 - 3(0.1596)(1-0.1596)/ni

Rechazos Muestra
20
98
18
104
14
97
16
99
13
97
29
102
21
104
14
101
6
55
6
48
7
50
7
53
9
56
5
49
8
56
9
53
9
52
10
51
9
52
10
47

GRFICA DE CONTROL np

Se grafica el nmero de unidades defectuosas en la muestra


Es ms fcilmente interpretado por el personal al no requerir de
clculos
Si el tamao de muestra es constante, las grficas p y np muestran el
mismo comportamiento pero a diferente escala

GRFICA DE CONTROL np

La grfica se basa en la aproximacin normal a la binomial


Si
entonces

X : # de defectuosos en la muestra de tamao n es


una Variable Binomial (n,p)
X ~ Normal ( np,np (1-p) ) aproximadamente si np 5

Los lmites de control son:


E[X] 3 D.S. [X]
np 3 np (1-p)
Si el tamao de muestra es variable, entonces los lmites de control as
como la lnea central varan de muestra a muestra

GRFICA DE CONTROL np

Si el tamao de muestra no es constante la grfica p tiene limites de


control variables
LSCi = p + 3p (1-p)/ni
LICi = p - 3p (1-p)/ ni

GRFICA DE CONTROL np

Si el tamao de muestra no es constante la grfica p tiene limites de


control variables
LSCi = p + 3p (1-p)/ni
LICi = p - 3p (1-p)/ ni
Si el tamao de muestra no es constante en la grfica np, los lmites de
control as como la lnea central varan de muestra a muestra
LSCi = ni p 3 ni p (1-p)
LICi = ni p - 3 ni p (1-p)

GRAFICA DE CONTROL np
Ejemplo 3 muestra variable
Rechazos

Muestra

El ingeniero de calidad de una empresa toma muestras de

20

98

18

104

la produccin diaria con el objeto de elaborar una grfica

14

97

16

99

13

97

29

102

21

104

14

101

55

rechazos de cierto da excede los lmites de control el

48

50

ingeniero debe inspeccionar al 100% el lote producido.

53

56

a) Determine los lmites de control y contruya la grfica

49

56

b) Determine los lmites de control futuros, suponiendo

53

52

10

51

52

10

47

240

1424

np.
La tabla anexa muestra los rechazos encontrados y la
cantidad de piezas revisadas cada da. Si el nmero de

que se identifican las causas especiales de puntos fuera de


control.

GRAFICA DE CONTROL np
Ejemplo 3
a) Lmites de control
p = xi = 240 = 0.16854
ni

1424

LSCi = 0.168ni + 3 ni (0.168)(1-0.168)


LCi = 0.168ni
LICi = 0.168ni - 3 ni (0.168)(1-0.168)

GRAFICA DE CONTROL np
Ejemplo 3
a) Lmites de control
p = xi = 240 = 0.16854
ni

1424

LSCi = 0.168ni + 3 ni (0.168)(1-0.168)


LCi = 0.168ni
LICi = 0.168ni - 3 ni (0.168)(1-0.168)

GRAFICA DE CONTROL np
Ejemplo 3

Sample Count

30

20
UCL=15.62
10

NP=7.921

LCL=0.2222

0
0

10

Sample Number

20

GRAFICA DE CONTROL p
Ejemplo 2

P Chart
UCL=0.3313

Proportion

0.3

0.2
P=0.1678
0.1

LCL=0.004279

0.0
0

10

Sample Number

20

GRAFICA DE CONTROL p
Ejemplo 2

P Chart

NP Chart
30

UCL=0.3313

20
UCL=15.62
10

NP=7.921

LCL=0.2222

0
0

10

Sample Number

20

Proportion

Sample Count

0.3

0.2
P=0.1678
0.1

LCL=0.004279

0.0
0

10

Sample Number

20

GRAFICAS DE CONTROL PARA ATRIBUTOS


Inconvenientes
Pueden no tener Lmite Inferior de Control
A medida que se mejora el proceso (p disminuye)
se requiere incrementar el tamao de los subgrupos

(n>5/p)

Tienen desempeo sesgado


(no son muy sensibles para detectar mejoras en p )
La prctica de identificar patrones sistemticos no aleatorios debe
modificarse ya que la distribucin binomial es muy sesgada si p es
pequeo

GRAFICAS DE CONTROL PARA ATRIBUTOS

Se utilizan con muestras grandes (a veces cientos miles)


Por ejemplo, si p = 0.01 se requieren muestras de tamao n > 500
El Costo / unidad de revisar un atributo es menor que el de medir una
caracterstica variable
Son tiles como medida del desempeo de un taller, departamento,
empresa, etc.
Generalmente el desempeo mejora despus de introducir una grfica
para atributos pues la grfica es una representacin visual contnua del
desempeo

OBJETIVOS DE LAS GRAFICAS DE ATRIBUTOS

Estimar la fraccin defectuosa de producto terminado


Estimar el Costo estndar de retrabajo (Costos de Calidad)
Determinar la eficacia de un programa de entrenamiento o de
mantenimiento
Sugerir dnde utilizar grficas de control para variables y / o las
grficas c u .