CONTROL DE ATRIBUTOS

1
 Gráficas de control por
atributos

2
 Definiciones importantes

Defecto:
Una característica del producto que no
cumple con los requisitos de la
especificación aplicable.

3
 Definiciones importantes

Unidad defectuosa
Una unidad de producto que contiene
uno o más defectos.

4
 Gráfica c
¿VARIABLE
O
ATRIBUTO?

ATRIBUTO VARIABLE

¿# DEFECTOS
¿MUESTRAS O
O
INSPECCIÓN 100%?
% DEFECTUOSOS?

% DEFECTUOSOS # DEFECTOS INSPECCIÓN 100% MUESTRAS

¿TAMAÑO DE LOTE
CONSTANTE?

NO SI

P U C I & MR X-Bar & R

5
 GRÁFICOS DE CONTROL POR ATRIBUTOS
ni = tamaño de la muestra “i” (número de artículos que la componen)
k = número de muestras estudiadas
di = número de artículos defectuosos en la muestra “i”
ci = número de defectos en la muestra “i”

d ci ci
pi  i di ui 
ni ni

p·(1  p) u
LCS i  p  3 LCS  n·p  3 n·p·(1  p) LCS  c  3 c LCS i  u  3
ni ni

p·(1  p) LCS  n·p  3 n·p·(1  p) u

LCI i  p  3 LCS  c  3 c LCI i  u  3
ni ni

6
 El Gráfico p
np
p
Mide la proporción de n
unidades defectuosas en
np1  np2  ...  npm
relación al tamaño de la p
n1  n2  ...  nm
muestra.
n1  n2  ...  nm
n
m

p(1  p)
Lsp  p  3
n

p(1  p)
Lip  p  3
n
7
 El Gráfico np
Mide el número de unidades defectuosas
encontrados en las muestras.
np1  np2  ...  npm
np 
m

npi  Número de unidades no conformes

m  Número de muestras utilizadas
n  Tamaño constante de la muestra

Ls np  np  3 np (1  p)

Li np  np  3 np (1  p)

8
 Ejemplo 1

muestra np p
500 11 0,022 30
500 12 0,024
500 15 0,030 25
500 17 0,034
500 11 0,022
20
500 10 0,020
500 13 0,026
np

500 25 0,050 15
500 17 0,034
500 13 0,026 10
500 11 0,022
500 12 0,024 5
500 17 0,034
500 8 0,016
0
500 12 0,024
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
500 11 0,022
500 20 0,040

9
 30

Ejemplo 10
25

20
np

15

10

0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17

0,060

0,050

0,040

0,030
p

0,020

0,010

-
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17

10
 Ejemplo 2
n np p LCS LCI
350 11 0,031 0,0834 0,015
275 12 0,044 0,0878 0,010 0,120
250 15 0,060 0,0898 0,008
150 17 0,113 0,1017 0,000 0,100
300 11 0,037 0,0862 0,012
0,080
200 10 0,050 0,0946 0,004
180 13 0,072 0,0971 0,001
0,060
270 25 0,093 0,0882 0,010
180 17 0,094 0,0971 0,001 0,040
500 13 0,026 0,0777 0,020
450 11 0,024 0,0793 0,019 0,020
400 12 0,030 0,0811 0,017
230 17 0,074 0,0915 0,007 -
180 8 0,044 0,0971 0,001 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
200 12 0,060 0,0946 0,004

11
 Gráfica c
¿VARIABLE
O
ATRIBUTO?

ATRIBUTO VARIABLE

apropiada para medir #

¿# DEFECTOS de defectos en lotes de ¿MUESTRAS O
O
% DEFECTUOSOS? igual tamaño INSPECCIÓN 100%?

% DEFECTUOSOS # DEFECTOS INSPECCIÓN 100% MUESTRAS

¿TAMAÑO DE LOTE
CONSTANTE?

NO SI

P U C I & MR X-Bar & R

12
 Gráfica c
Requiere de cantidades constantes de material en
cada muestra.

Ejemplos:
– Defectos por cada 100 metros de tela
– Defectos de aislamiento en 100 metros de cable.

13
 GRÁFICOS DE CONTROL POR ATRIBUTOS
ni = tamaño de la muestra “i” (número de artículos que la componen)
k = número de muestras estudiadas
di = número de artículos defectuosos en la muestra “i”
ci = número de defectos en la muestra “i”

d ci ci
pi  i di ui 
ni ni

p·(1  p) u
LCS i  p  3 LCS  n·p  3 n·p·(1  p) LCS  c  3 c LCS i  u  3
ni ni

p·(1  p) LCS  n·p  3 n·p·(1  p) u

LCI i  p  3 LCS  c  3 c LCI i  u  3
ni ni

14
 Ejemplo gráfico “c”
1 2 3 4 5
Muestras

Defectos: 1 error color 6 errores color

1 mancha 1 fractura 4 manchas 1 rajadura
1 mancha
Nº defectos 2 1 4 1 7
15
 Ejemplo gráfico “c”

Nº muestra 1 2 3 4 5 6 7 8 9 10
Nº defectos 2 1 4 1 7 1 0 3 2 2

23
c  2,3
10

LCS  c  3 c  2,3  3 2,3  6,849

LCI  c  3 c  2,3  3 2,3  2,249  0

16
 Limites de control de Gráfico “c”
(nº de defectos por muestra)
k

total de defectos c i
c  i 1

número de muestras k

Comprobación
LCS  c  3 c
ci
LCS  c  3 c

17
 Gráfica u
¿VARIABLE
O
ATRIBUTO?

ATRIBUTO VARIABLE

apropiada para medir

¿# DEFECTOS defectos/unidad en lotes ¿MUESTRAS O
O
% DEFECTUOSOS? de distinto tamaño INSPECCIÓN 100%?

% DEFECTUOSOS # DEFECTOS INSPECCIÓN 100% MUESTRAS

¿TAMAÑO DE LOTE
CONSTANTE?

NO SI

P U C I & MR X-Bar & R

18
 Gráfico “u”

Carta “u”

Esta se usa cuando el tamaño de subgrupo no es

constante y analiza la variación del numero
promedio de defectos por articulo o unidad

19
 GRÁFICOS DE CONTROL POR ATRIBUTOS
ni = tamaño de la muestra “i” (número de artículos que la componen)
k = número de muestras estudiadas
di = número de artículos defectuosos en la muestra “i”
ci = número de defectos en la muestra “i”

d ci ci
pi  i di ui 
ni ni

p·(1  p) u
LCS i  p  3 LCS  n·p  3 n·p·(1  p) LCS  c  3 c LCS i  u  3
ni ni

p·(1  p) LCS  n·p  3 n·p·(1  p) u

LCI i  p  3 LCS  c  3 c LCI i  u  3
ni ni

20
 Cartas de control para atributos
Las cartas de control Si se extrae una muestra de n
número de defectos están unidades y se observa el
basados en la distribución numero de defectos por
POISSON articulo
ecc x
p( x) 
x!
Limites de control para la U CHART
u
UCL  u  3
n

Center Line  c

u
LCL  u  3
21
n
 Ejemplo de gráficos u
Ejemplo 1:
En una línea de estampado de telas, se toman rollos
de 50 metros de tela y se cuenta en cada uno de ellos
el número de manchas de pintura que se presentan.
Los resultados para 10 muestras se muestran a
continuación:
Muestra 1 2 3 4 5 6 7 8 9 10 Total
Defectos 14 12 20 11 7 10 21 16 19 23 153
Num de rollos 10,0 8,0 13,0 10,0 9,5 10,0 12,0 10,5 12,0 12,5 107,5
 1,40 1,50 1,54 1,10 0,74 1,00 1,75 1,52 1,58 1,84 1,42

22
 Ta s a d e d e fe c to s p o r ro llo
3 .0
2 .5
2 .0
1 .5
1 .0
0 .5 Ejemplo de gráficos u (cont)

1 2 3 4 5 6 7 8 9 10
Tiempo

El gráfico muestra un proceso claramente bajo control.

23
 Gráfica u

Ejemplo 2 :

La siguiente tabla contiene los números de

defectos observados en 30 lotes de diferente
tamaño. Los defectos están distribuidos de
cualquier manera dentro del lote medido.

24
 Gráfica u
DEF UNID DEF UNID DEF UNID
5 19 3 18 2 9
8 15 5 8 2 8
16 22 4 9 1 3
3 10 11 31 16 16
1 4 2 5 5 12
6 22 11 15 3 8
12 19 4 8 9 16
5 14 2 6 5 16
4 9 3 13 4 7
0 6 1 10 5 15

Se trata de seguir el número de defectos por

unidad en lotes de distinto tamaño, la gráfica de
control adecuada es la U.
25
 Gráfica u

U Chart for defecto

1.5
Sample Count

1.0
3.0SL=0.9277

0.5
U=0.4236

# de defectos
0.0 -3.0SL=0.000
por unidad en
cada lote 0 10 20 30
Sample Number

26
 Interpretación de los
gráficos de control

Atender los siguientes aspectos:

• Puntos fuera de los límites de Control
• Tendencias o tramos
• Distribución de los puntos en el área de control.

27
 Reglas de parada

• Corresponden a sucesos que tienen muy baja

probabilidad de ocurrir si el proceso está bajo
control.

• Cada una de ellas provee información sobre el tipo

de causa asignable que puede estar afectando al
proceso.

28
 Reglas de parada
• Un punto fuera de la zona A.
Corresponde a un cambio repentino en la media o
la dispersión del proceso.
C a ra c te rís tic a d e C a lid a d
1 0 .5

Zona A

Zona B

Zona C
1 0 .0

Zona C

Zona B
9 .5

Zona A

5 10 15 20 25

Muestra

29
 Reglas de parada
• Siete puntos en fila, todos crecientes o
decrecientes.
Se presenta cuando hay cambios paulatinos en la
media, debida a desgastes en herramientas o personal.
C a r a c t e r ís t ic a d e C a lid a d

1 0 .5

Zona A

Zona B

Zona C
1 0 .0

Zona C

Zona B
9 .5

Zona A

5 10 15 20 25
Muestra
30
 Reglas de parada (cont)
• Catorce puntos en fila alternando arriba y
abajo.
Indica correlación negativa entre los datos (cuando
hay excesos en una, a la siguiente pieza es muy
reducida y viceversa).
C a r a c te r ís tic a d e C a lid a d

1 0 .5

Zona A

Zona B
1 0 .0

Zona C

Zona C

Zona B
9 .5

Zona A

5 10 15 20 25
Muestra
31
 Reglas de parada (cont)
• Quince puntos en fila en la zona C.
El proceso ha reducido su varianza (hay
sobreestabilidad en el sistema). Es
importante investigar la fuente de la mejora.
C a r a c te r ís tic a d e C a lid a d

1 0 .5

Zona A

Zona B

Zona C
1 0 .0

Zona C

Zona B
9 .5

Zona A

5 10 15 20 25

Muestra
32
 Reglas de parada (cont)
• Dos de tres puntos consecutivos en la zona A
o más allá.
Indican un incremento en la varianza del proceso.
C a r a c t e r í s t ic a d e C a lid a d

1 0 .5

Zona A

Zona B

Zona C
1 0 .0

Zona C

Zona B
9 .5

Zona A

5 10 15 20 25
Muestra

33
 Reglas de parada (cont)
• Estructuras periódicas.
Estas están asociadas normalmente con cambios de
turnos, operarios, días de la semana, etc.
C a ra c te rís tic a d e C a lid a d

1 0 .5

Zona A

Zona B

Zona C
1 0 .0

Zona C

Zona B
9 .5

Zona A

5 10 15 20 25

Muestra

34