Control Charts para Atributos

Octubre 2017
 Control Charts para Atributos
• Utilizados cuando se analizan productos,
partes o artículos defectuosos o no
defectuosos –esto depende de si posee o no
ciertos atributos
• Defectuoso o no defectuoso también se
refiere a conforme o no conforme
• Este tipo de control chart analiza las
variaciones en la fracción o proporción de
artículos defectuosos por muestra o subgrupo
 Control Charts para Atributos
• Existen los siguientes tipos:
– Carta p (proporción de artículos defectuosos)
– Carta np (número de artículos defectuosos)
– Cartas c (número de defectos)
– Carta u (número promedio de defectos por
unidad)
 Control Charts para p
• Analiza variación en la fracción o proporción de
artículos defectuosos por muestra o subgrupo.
• Se toma una muestra o subgrupo de 𝑛𝑖 artículos,
la cual puede ser una parte o la totalidad de las
piezas de una producción, pedido o lote.
– Se revisa cada uno de estos 𝑛𝑖 artículos y se
determinan los 𝑑𝑖 defectuosos.
– En la carta p se grafica la proporción p de artículos
defectuosos 𝑝𝑖 = 𝑑𝑖ൗ𝑛𝑖
 Control Charts para p
• Para calcular los límites de control, se parte del supuesto de
que la cantidad de piezas defectuosas por subgrupo sigue
una distribución binomial
– De acuerdo con esto, la media y la desviación estándar son:
𝑝ҧ 1−𝑝ҧ
𝜇𝑝 = 𝑝ҧ , 𝜎𝑝 = donde n es el tamaño del subgrupo y 𝑝ҧ
𝑛
es la proporción promedio de artículos defectuosos.
• De acuerdo a esto, los límites de control de la carta p con
tamaño n constante son:
𝑝ҧ 1 − 𝑝ҧ
𝐿𝐶𝑆 = 𝑝ҧ + 3
𝑛
𝐿𝐶 = 𝑝ҧ

𝑝ҧ 1 − 𝑝ҧ
𝐿𝐶𝐼 = 𝑝ҧ − 3
𝑛
 Control Charts para p
• Cuando el tamaño de subgrupo n no se
mantiene constante a lo largo de los
subgrupos, se puede:
– Usar el tamaño promedio de subgrupos
– Construir control charts con límites variables
(veremos después)
 Control Charts para p
• Veamos un ejemplo (14.7 de Gutiérrez Pulido)
En una empresa del ramo metal-mecánico se
fabrican válvulas. Después del proceso de
fundición se hace una inspección y las piezas
que no cumplen con ciertas características se
rechazan. Las razones por las que pueden
rechazarse son diversas: piezas incompletas,
porosas, mal formadas, etc. Para evaluar la
variabilidad y la magnitud de la proporción de
piezas defectuosas en el proceso de fundición
se decide implementar una carta p.
 Control Charts para p
Veamos otro ejemplo: Dado que el nivel promedio de
defectos del proceso del ejemplo anterior se
consideró demasiado alto, se decidió realizar un
proyecto de mejora. Después de aplicar las
soluciones propuestas para reducir la proporción de
piezas defectuosas, se tiene la siguiente proporción
de defectuosos en 19 lotes de tamaño 300 cada uno.
Evalúe si las soluciones propuestas dieron resultado.
0,013 0,010 0,030 0,020 0,007 0,017 0,010 0,027 0,000 0,017

0,040 0,013 0,017 0,013 0,017 0,013 0,020 0,030 0,007

 Control Charts para p con límites
variables
• Pueden ser usadas cuando el tamaño del
subgrupo 𝑛𝑖 es muy variable –esto se da
cuando resulta poco factible usar el mismo
tamaño de subgrupo
• Se tienen 2 opciones:
– Utilizar tamaño de subgrupo promedio (según el
ejemplo anterior), esta opción se recomienda
cuando la variación entre los tamaños de
subgrupo no es demasiada –menor que 20%
– Utilizar control chart p con límites variables, en la
cual los límites van cambiando de amplitud
conforme cambia el tamaño de subgrupo
 Control Charts para p con límites
variables
• Ventaja de utilizar límites promedios es la
facilidad en la realización de los cálculos, la
interpretación es más directa.
• Desventaja es que en ocasiones no detecta
cambios, o puede ser que registre cambios
cuando en la realidad no ocurren.
– Nuevamente, la guía es lo mencionado en la
diapositiva anterior –menor al 20%
 Control Charts para p con límites
variables
• En el caso de límites variables, las fórmulas
para calcular los límites son:
𝑝ҧ 1 − 𝑝ҧ
𝐿𝐶𝑆 = 𝑝ҧ + 3
𝑛𝑖
𝐿𝐶 = 𝑝ҧ
𝑝ҧ 1 − 𝑝ҧ
𝐿𝐶𝐼 = 𝑝ҧ − 3
𝑛𝑖
 Control Charts para np
• Analiza número de artículos defectuosos
– Se grafica número de artículos defectuosos por
subgrupo 𝑑𝑖
– En este caso y bajo el supuesto de la distribución
binomial: 𝜇𝑑𝑖 = 𝑛𝑝ҧ y 𝜎𝑑𝑖 = 𝑛𝑝ഥ 1 − 𝑝ҧ
• Los límites de control son:
𝑳𝑪𝑺 = 𝒏ഥ
𝒑 + 𝟑 𝒏ഥ ഥ
𝒑 𝟏−𝒑
𝑳𝑪 = 𝒏ഥ
𝒑
𝑳𝑪𝑰 = 𝒏ഥ
𝒑 − 𝟑 𝒏ഥ ഥ
𝒑 𝟏−𝒑
 Control Charts para np
• Veamos un ejemplo: Del análisis de los datos de
inspecciones y pruebas finales de un producto
ensamblado, se ha detectado, a través de una
estratificación y un análisis de Pareto, que la
causa principal por la que los artículos salen
defectuosos está relacionada con los problemas
en un componente en particular: el componente
W. Se decide analizar más de cerca el proceso que
produce tal componente. Para ello, de cada lote
de componentes W se inspecciona una muestra
de n=120. Los datos obtenidos en 20 lotes
consecutivos se muestran en la tabla 14.5 (Ver
Excel Data14-5). El análisis de estos datos se hace
por medio de CC np.
 Control Charts para np
• En resumen:
– Los límites de CC para np indican cómo varían la
cantidad esperada de piezas defectuosas por cada n
artículos inspeccionados. Por lo tanto, en el ejemplo
anterior, se espera que de cada muestra de 120 partes
inspeccionadas, el número de rechazados varíe entre
0,43 y 17,87 con un promedio de 9,15. Esta cantidad
sigue siendo demasiado grande, se hace necesario
entonces promover acciones para disminuir la
cantidad de piezas defectuosas. Lo más cerca posible
a cero!
– El CC para p y para np son esencialmente para analizar
la misma información, en unidades diferentes.
 Control Charts para c y u (defectos)
• Ambos analizan defectos, se inspecciona una
unidad la cual puede ser una medida lineal
(metro, yarda, etc.), área, volumen, artículo,
etc.
• Ejemplos: una mesa, metros de rollo
fotográfico, un zapato, un vestido, etc.
• Para cada uno de estos ejemplos, se puede
tener uno o más defectos, suceso o atributo, y
no necesariamente se cataloga al producto o
unidad como defectuoso.
 Control Charts para c y u (defectos)
• Ejemplos adicionales provienen del tipo de
variables que cuantifican el número de eventos o
sucesos por unidad, eje.: número de quejas por
mal servicio, cantidad de accidentes, número de
nuevos clientes, cantidad de llamadas telefónicas
en un tiempo especificado, clientes atendidos,
errores por página (periódico, Internet, etc.)
– En estos casos, la unidad de referencia es un periodo
de tiempo o una cantidad de actividades que se
realizan
• En los ejemplos anteriores se puede visualizar el
comportamiento de estas variables que siguen la
distribución de Poisson - se estudia el número
promedio de defectos por unidad
 Control Charts para c
• Analiza la variabilidad del número de defectos por
subgrupo, cuando el tamaño de subgrupo se mantiene
constante.
• Se grafica 𝑐𝑖 que es el número de defectos o eventos en el
subgrupo
• Los límites de control se obtienen suponiendo
que los datos siguen una distribución de Poisson:
𝜇𝑐𝑖 = 𝑐ҧ =total de defectos/total de subgrupos y
𝜎𝑐𝑖 = 𝑐ҧ
 𝐿𝐶𝑆 = 𝑐ҧ + 3 𝑐ҧ
 𝐿𝐶 = 𝑐ҧ
 𝐿𝐶𝐼 = 𝑐ҧ − 3 𝑐ҧ
 Control Charts para c
• Ejemplo: En una empresa que elabora
productos agroquímicos se tiene el problema
de intoxicación de los trabajadores debido al
contacto con agentes tóxicos. Para evaluar el
número de obreros intoxicados por mes en los
últimos dos años, se recurre a los registros de
la enfermería de la empresa. Los datos
obtenidos se muestran en Data Ej. 14.10.
Analice utilizando CC para c.
 Control Charts para c
• Los límites del CC para c representan la variación
esperada para el número de eventos por
subgrupo.
– Por lo tanto, en el ejemplo anterior, los límites a
usarse en el futuro serían: LC=4.35, LCS= 10.61 y LCI=0
– Se “espera” que el número de trabajadores
intoxicados por mes fluctúe entre cero y 10.61!!!
– Una recomendación sería estratificar el problema, o
sea ubicar el área, trabajadores o agentes químicos
en los que se encuentran la mayor cantidad de
intoxicaciones
 Control Charts para u
• Analiza número promedio de defectos por unidad, en
el caso de que el tamaño de subgrupo no es constante.
𝑐𝑖
• Para cada subgrupo se grafica 𝑢𝑖 = donde 𝑐𝑖 =
𝑛𝑖
𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑑𝑒𝑓𝑒𝑐𝑡𝑜𝑠 𝑒𝑛 𝑒𝑙 𝑠𝑢𝑏𝑔𝑟𝑢𝑝𝑜 𝑖
𝑛𝑖 = 𝑡𝑎𝑚𝑎ñ𝑜 𝑑𝑒𝑙 𝑠𝑢𝑏𝑔𝑟𝑢𝑝𝑜 𝑖

𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑑𝑒𝑓𝑒𝑐𝑡𝑜𝑠
• Se requiere calcular: 𝑢ത =
𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑎𝑟𝑡í𝑐𝑢𝑙𝑜𝑠 𝑖𝑛𝑠𝑝𝑒𝑐𝑐𝑖𝑜𝑛𝑎𝑑𝑜𝑠

𝑢ത
𝜎=
𝑛
 Control Charts para u
• Los límites de control están dados por 𝐿𝐶𝑆 =
ഥ
𝑢
𝑢ത + 3
𝑛
𝐿𝐶 = 𝑢ത
𝑢ത
𝐿𝐶𝐼 = 𝑢ത − 3
𝑛
 Control Charts para u
• Ejemplo: En la tabla 14.7 se presenta el
número de defectos observados en subgrupos
de 24 lotes consecutivos de circuitos
electrónicos. El número de circuitos
inspeccionados en cada lote es variable. Es
claro que la columna del número de defectos
por muestras ci, no se debe analizar con un CC
para c porque está influenciado por el número
de circuitos: entre más circuitos es natural
esperar más defectos. Por ello, se recomienda
analizar el número promedio de defectos por
unidad (circuito) ui