UNIVERSIDAD NACIONAL DE SAN MARTIN

DEPARTAMENTO ACADMICO DE INGENIERA AGROINDUSTRIAL

FACULTAD DE INGENIERA AGROINDUSTRIAL

Control de Procesos - Resumen

ASIGNATURA :

Control de Calidad Agroindustrial

DOCENTE

Ing. Epifanio Martnez Mena

ALUMNA

Esquivel Mori, Alba Katerin Blanca Nieves

FECHA

Lunes 03 de Noviembre del 2014

TARAPOTO PERU
2014

I.

INTRODUCCIN

En las actividades de investigacin cientfica y tecnolgica es muy til el empleo

de muestras. El anlisis de una muestra permite inferir conclusiones susceptibles
de generalizacin a la poblacin de estudio con cierto grado de certeza (Holguin y
Hayashi, 1993).
Al desarrollar un proyecto de investigacin el total de observaciones en las cuales
se est interesado, sea su nmero finito o infinito, constituye lo que se llama una
poblacin, (Walpole y Myers, 1996). La muestra es una pequea parte de la
poblacin estudiada. La muestra debe caracterizarse por ser representativa de la
poblacin.
De acuerdo con Briones (1995) una muestra es representativa cuando reproduce
las distribuciones y los valores de las diferentes caractersticas de la poblacin con
mrgenes de error calculables,
Los anteriores conceptos reflejan que al analizar una muestra se est aplicando la
inferencia estadstica con el propsito de conocer clases numerosas de objetos,
personas o eventos a partir de otras relativamente pequeas, compuestas por los
mismos elementos, (Glass y Stanley, 1994). En trminos generales la informacin
que arroja el anlisis de una muestra es ms exacta incluso que la que pudiera
arrojar el estudio de la poblacin completa.
El diseo de muestras es uno de los temas ms relevantes en la elaboracin y
desarrollo de una investigacin cientfica, de la calidad de la muestra y de la
adecuada seleccin de las unidades de anlisis, depende en gran medida la
utilidad de la investigacin. Adems, es la base para lograr obtener estimaciones
de parmetros asertivamente y de lograr validar o confirmar hiptesis que es lo
que se entiende en gran medida la inferencia estadstica
II.

INFORMACION

2.1.

Concepto e importancia de muestreo

Es la actividad por la cual se toman ciertas muestras de una poblacin de

elementos de los cuales vamos a tomar ciertos criterios de decisin, el muestreo
es importante porque a travs de l podemos hacer anlisis de situaciones de una
empresa o de algn campo de la sociedad.
2.2.

Terminologa bsica para el muestreo

Los nuevos trminos, los cuales son frecuentemente usados en inferencia

estadstica son:

2.2.1. Estadstico:
Un estadstico es una medida usada para describir alguna caracterstica de una
muestra , tal como una media aritmtica, una mediana o una desviacin estndar
de una muestra.
2.2.2. Parmetro:
Una parmetro es una medida usada para describir alguna caracterstica de una
poblacin, tal como una media aritmtica, una mediana o una desviacin estndar
de una poblacin.
Cuando los dos nuevos trminos de arriba son usados, por ejemplo, el proceso de
estimacin en inferencia estadstica puede ser descrito como le proceso de
estimar un parmetro a partir del estadstico correspondiente, tal como usar una
media muestral (un estadstico para estimar la media de la poblacin (un
parmetro).
2.2.3. Distribucin en el muestreo:
Cuando el tamao de la muestra (n) es ms pequeo que el tamao de la
poblacin (N), dos o ms muestras pueden ser extradas de la misma poblacin.
Un cierto estadstico puede ser calculado para cada una de las muestras posibles
extradas de la poblacin. Una distribucin del estadstico obtenida de las
muestras es llamada la distribucin en el muestreo del estadstico.
Por ejemplo, si la muestra es de tamao 2 y la poblacin de tamao 3 (elementos
A, B, C), es posible extraer 3 muestras (AB, BC Y AC) de la poblacin. Podemos
calcular la media para cada muestra. Por lo tanto, tenemos 3 medias mustrales
para las 3 muestras. Las 3 medias mustrales forman una distribucin. La
distribucin de las medias es llamada la distribucin de las medias mustrales, o la
distribucin en el muestreo de la media. De la misma manera, la distribucin de las
proporciones (o porcentajes) obtenida de todas las muestras posibles del mismo
tamao, extradas de una poblacin, es llamada la distribucin en el muestreo de
la proporcin.
2.2.4. Error Estndar:
La desviacin estndar de una distribucin, en el muestreo de un estadstico, es
frecuentemente llamada el error estndar del estadstico. Por ejemplo, la
desviacin estndar de las medias de todas la muestras posibles del mismo
tamao, extradas de una poblacin, es llamada el error estndar de la media. De
la misma manera, la desviacin estndar de las proporciones de todas las
muestras posibles del mismo tamao, extradas de una poblacin, es llamada el

error estndar de la proporcin. La diferencia entre los trminos "desviacin

estndar" y "error de estndar" es que la primera se refiere a los valores
originales, mientras que la ltima est relacionada con valores calculados. Un
estadstico es un valor calculado, obtenido con los elementos incluidos en una
muestra.
2.2.5. Error muestral o error de muestreo
La diferencia entre el resultado obtenido de una muestra (un estadstico) y el
resultado el cual deberamos haber obtenido de la poblacin (el parmetro
correspondiente) se llama el error muestral o error de muestreo. Un error de
muestreo usualmente ocurre cuando no se lleva a cabo la encuesta completa de la
poblacin, sino que se toma una muestra para estimar las caractersticas de la
poblacin.
El error muestral es medido por el error estadstico, en trminos de probabilidad,
bajo la curva normal. El resultado de la media indica la precisin de la estimacin
de la poblacin basada en el estudio de la muestra. Mientras ms pequeo el error
muestras, mayor es la precisin de la estimacin. Deber hacerse notar que los
errores cometidos en una encuesta por muestreo, tales como respuestas
inconsistentes, incompletas o no determinadas, no son considerados como errores
mustrales. Los errores no mustrales pueden tambin ocurrir en una encuesta
completa de la poblacin.
2.3.

Mtodos de seleccin de muestras.

Una muestra debe ser representativa si va a ser usada para estimar las
caractersticas de la poblacin. Los mtodos para seleccionar una muestra
representativa son numerosos, dependiendo del tiempo, dinero y habilidad
disponibles para tomar una muestra y la naturaleza de los elementos individuales
de la poblacin. Por lo tanto, se requiere un gran volumen para incluir todos los
tipos de mtodos de muestreo.
Los mtodos de seleccin de muestras pueden ser clasificados de acuerdo a:
El nmero de muestras tomadas de una poblacin dada para un estudio y
La manera usada en seleccionar los elementos incluidos en la muestra. Los
mtodos de muestreo basados en los dos tipos de clasificaciones son
expuestos en seguida.
Mtodos de muestreo clasificados de acuerdo con el nmero de muestras
tomadas de una poblacin.

Bajo esta clasificacin, hay tres tipos comunes de mtodos de muestreo. Estos
son, muestreo simple, doble y mltiple.
a) Muestreo simple
Este tipo de muestreo toma solamente una muestra de una poblacin dada para el
propsito de inferencia estadstica. Puesto que solamente una muestra es tomada,
el tamao de muestra debe ser los suficientemente grandes para extraer una
conclusin. Una muestra grande muchas veces cuesta demasiado dinero y
tiempo.
b) Muestreo doble
Bajo este tipo de muestreo, cuando el resultado del estudio de la primera muestra
no es decisivo, una segunda muestra es extrada de la misma poblacin. Las dos
muestras son combinadas para analizar los resultados. Este mtodo permite a una
persona principiar con una muestra relativamente pequea para ahorrar costos y
tiempo. Si la primera muestra arroja una resultado definitivo, la segunda muestra
puede no necesitarse.
Por ejemplo, al probar la calidad de un lote de productos manufacturados, si la
primera muestra arroja una calidad muy alta, el lote es aceptado; si arroja una
calidad muy pobre, el lote es rechazado. Solamente si la primera muestra arroja
una calidad intermedia, ser requerir la segunda muestra. Un plan tpico de
muestreo doble puede ser obtenido de la Military Standard Sampling Procedures
and Tables for Inspection by Attributes, publicada por el Departamento de Defensa
y tambin usado por muchas industrias privadas. Al probar la calidad de un lote
consistente de 3,000 unidades manufacturadas, cuando el nmero de defectos
encontrados en la primera muestra de 80 unidades es de 5 o menos, el lote es
considerado bueno y es aceptado; si el nmero de defectos es 9 o ms, el lote es
considerado pobre y es rechazado; si el nmero est entre 5 y 9, no puede
llegarse a una decisin y una segunda muestra de 80 unidades es extrada del
lote. Si el nmero de defectos en las dos muestras combinadas (incluyendo 80 +
80 = 160 unidades) es 12 o menos, el lote es aceptado si el nmero combinado es
13 o ms, el lote es rechazado.
c) Muestreo mltiple
El procedimiento bajo este mtodo es similar al expuesto en el muestreo doble,
excepto que el nmero de muestras sucesivas requerido para llegar a una
decisin es ms de dos muestras.
Mtodos de muestreo clasificados de acuerdo con las maneras usadas en
seleccionar los elementos de una muestra.

Los elementos de una muestra pueden ser seleccionados de dos maneras

diferentes:
a. Basados en el juicio de una persona.
b. Seleccin aleatoria (al azar)
d) Muestreo de juicio
Una muestra es llamada muestra de juicio cuando sus elementos son
seleccionados mediante juicio personal. La persona que selecciona los elementos
de la muestra, usualmente es un experto en la medida dada. Una muestra de
juicio es llamada una muestra probabilstica, puesto que este mtodo est basado
en los puntos de vista subjetivos de una persona y la teora de la probabilidad no
puede ser empleada para medir el error de muestreo, Las principales ventajas de
una muestra de juicio son la facilidad de obtenerla y que el costo usualmente es
bajo.
e) Muestreo Aleatorio
Una muestra se dice que es extrada al azar cuando la manera de seleccin es tal,
que cada elemento de la poblacin tiene igual oportunidad de ser seleccionado.
Una muestra aleatoria es tambin llamada una muestra probabilstica son
generalmente preferidas por los estadsticos porque la seleccin de las muestras
es objetiva y el error muestral puede ser medido en trminos de probabilidad bajo
la curva normal. Los tipos comunes de muestreo aleatorio son el muestreo
aleatorio simple, muestreo sistemtico, muestreo estratificado y muestreo de
conglomerados.
2.4.

TIPOS DE MUESTREO

Existen diferentes criterios de clasificacin de los diferentes tipos de muestreo,

aunque en general pueden dividirse en dos grandes grupos: mtodos de muestreo
probabilsticos y mtodos de muestreo no probabilsticos.
A. Muestreo probabilstico
Los mtodos de muestreo probabilsticos son aquellos que se basan en el
principio de equiprobabilidad. Es decir, aquellos en los que todos los individuos
tienen la misma probabilidad de ser elegidos para formar parte de una muestra y,
consiguientemente, todas las posibles muestras de tamao n tienen la misma
probabilidad de ser seleccionadas. Slo estos mtodos de muestreo
probabilsticos nos aseguran la representatividad de la muestra extrada y son, por

tanto, los ms recomendables.

Dentro
de los mtodos de muestreo
probabilsticos encontramos los siguientes tipos:
1. Muestreo aleatorio simple:
El procedimiento empleado es el siguiente: 1) se asigna un nmero a cada
individuo de la poblacin y 2) a travs de algn medio mecnico (bolas dentro de
una bolsa, tablas de nmeros aleatorios, nmeros aleatorios generadas con una
calculadora u ordenador, etc.) se eligen tantos sujetos como sea necesario para
completar el tamao de muestra requerido.
Este procedimiento, atractivo por su simpleza, tiene poca o nula utilidad prctica
cuando la poblacin que estamos manejando es muy grande.
2. Muestreo aleatorio sistemtico:
Este procedimiento exige, como el anterior, numerar todos los elementos de la
poblacin, pero en lugar de extraer n nmeros aleatorios slo se extrae uno. Se
parte de ese nmero aleatorio i, que es un nmero elegido al azar, y los elementos
que integran la muestra son los que ocupa los lugares i, i+k, i+2k, i+3k,...,i+(n-1)k,
es decir se toman los individuos de k en k, siendo k el resultado de dividir el
tamao de la poblacin entre el tamao de la muestra: k= N/n. El nmero i
que empleamos como punto de partida ser un nmero al azar entre 1 y k.
El riesgo este tipo de muestreo est en los casos en que se dan
periodicidades en la poblacin ya que al elegir a los miembros de la muestra
con una periodicidad constante (k) podemos introducir una homogeneidad que no
se da en la poblacin. Imaginemos que estamos seleccionando una muestra sobre
listas de 10 individuos en los que los 5 primeros son varones y los 5 ltimos
mujeres, si empleamos un muestreo aleatorio sistemtico con k=10 siempre
seleccionaramos o slo hombres o slo mujeres, no podra haber una
representacin de los dos sexos.
3. Muestreo aleatorio estratificado:
Trata de obviar las dificultades que presentan los anteriores ya que simplifican los
procesos y suelen reducir el error muestral para un tamao dado de la
muestra. Consiste en considerar categoras tpicas diferentes entre s (estratos)
que poseen gran homogeneidad respecto a alguna caracterstica (se puede
estratificar, por ejemplo, segn la profesin, el municipio de residencia, el sexo, el
estado civil, etc.). Lo que se pretende con este tipo de muestreo es asegurarse de
que todos los estratos de inters estarn representados adecuadamente en la
muestra. Cada estrato funciona independientemente, pudiendo aplicarse dentro de
ellos el muestreo aleatorio simple o el estratificado para elegir los elementos

concretos que formarn parte de la muestra. En ocasiones las dificultades que

plantean son demasiado grandes, pues exige un conocimiento detallado de la
poblacin. (Tamao geogrfico, sexos, edades).
4. Muestreo aleatorio por conglomerados:
Los mtodos presentados hasta ahora estn pensados para seleccionar
directamente los elementos de la poblacin, es decir, que las unidades
mustrales son los elementos de la poblacin.
En el muestreo por conglomerados la unidad muestral es un grupo de
elementos de la poblacin que forman una unidad, a la que llamamos
conglomerado. Las unidades hospitalarias los departamentos universitarios, una
caja de determinado producto, etc., son conglomerados naturales. En otras
ocasiones se pueden utilizar conglomerados no naturales como, por ejemplo, las
urnas electorales. Cuando los conglomerados son reas geogrficas suele
hablarse de muestreo por reas.
El muestreo por conglomerados consiste en seleccionar aleatoriamente un cierto
nmero de conglomerados (el necesario para alcanzar el tamao muestral
establecido) y en investigar despus todos los elementos pertenecientes a los
conglomerados elegidos.
B. Mtodos de muestreo no probabilsticos
A veces, para estudios exploratorios, el muestreo probabilstico resulta
excesivamente costoso y se acude a mtodos no probabilsticos, aun siendo
conscientes de que no sirven para realizar generalizaciones (estimaciones
inferenciales sobre la poblacin), pues no se tiene certeza de que la muestra
extrada sea representativa, ya que no todos los sujetos de la poblacin tienen la
misma probabilidad de se elegidos. En general se seleccionan a los sujetos
siguiendo determinados criterios procurando, en la medida de lo posible, que la
muestra sea representativa.
En algunas circunstancias los mtodos estadsticos y epidemiolgicos permiten
resolver los problemas de representatividad aun en situaciones de muestreo no
probabilstico, por ejemplo los estudios de caso-control, donde los casos no son
seleccionados aleatoriamente de la poblacin.
Entre los mtodos de muestreo no probabilsticos ms utilizados en investigacin
encontramos:

1. Muestreo por cuotas:

Tambin denominado en ocasiones "accidental". Se asienta generalmente sobre
la base de un buen conocimiento de los estratos de la poblacin y/o de los
individuos ms representativos" o "adecuados" para los fines de la investigacin.
Mantiene, por tanto, semejanzas con el muestreo aleatorio estratificado, pero no
tiene el carcter de aleatoriedad de aqul.
En este tipo de muestreo se fijan unas "cuotas" que consisten en un nmero de
individuos que renen unas determinadas condiciones, por ejemplo: 20 individuos
de 25 a 40 aos, de sexo femenino y residentes en Gijn. Una vez determinada la
cuota se eligen los primeros que se encuentren que cumplan esas caractersticas.
Este mtodo se utiliza mucho en las encuestas de opinin.
2. Muestreo intencional o de conveniencia:
Este tipo de muestreo se caracteriza por un esfuerzo deliberado de obtener
muestras representativas" mediante la inclusin en la muestra de grupos
supuestamente tpicos. Es muy frecuente su
utilizacin
en sondeos
preelectorales de zonas que en anteriores votaciones han marcado tendencias de
voto.
Tambin puede ser que el investigador seleccione directa e intencionadamente
los individuos de la poblacin. El caso ms frecuente de este procedimiento el
utilizar como muestra los individuos a los que se tiene fcil acceso (los profesores
de universidad emplean con mucha frecuencia a sus propios alumnos).
3. Bola de nieve
Se localiza a algunos individuos, los cuales conducen a otros, y estos a otros, y
as hasta conseguir una muestra suficiente. Este tipo se emplea muy
frecuentemente cuando se hacen estudios con poblaciones "marginales",
delincuentes, sectas, determinados tipos de enfermos, etc
4. Muestreo Discrecional
A criterio del investigador los elementos son elegidos sobre lo que l cree que
pueden aportar al estudio
2.5.

CAUSAS DE VARIACIN

2.5.1. Causas no asignables: Llamada tambin como causas normales,

aleatorias, no identificables, es una causa no identificable y siempre
estas causas estarn presentes en el proceso.

 Estas causas van a producir variaciones relativamente pequeas.

Igualmente estas causas estn presentes en un nmero relativamente alto,
es decir se presenta muchas veces.
A pesar de ser muchas no guardan relacin unas con otras es decir son
independientes entre s.
La variacin en exceso o defecto y tienden a compensarse.
Es posible hacer un estudio probabilstico por que responden a la ley de
Gauss.
Por su naturaleza es difcil de controlar estas causas, si se quiere controlar
es sumamente costoso.
2.5.2. Causas asignables: Llamadas como causas anormales, accidentales,
identificables.
Estas causas no siempre estn presentes.
A pesar de no estar presentes introducen variaciones relativamente
grandes, que constituyen un aviso para hacer su control.
Se presentan en nmero pequeo o pocas veces.
Estas causas pueden ser dependientes entre s, no ocurre en este caso el
efecto compensatorio.
No son compensatorios.
A estas causas asignables se les puede localizar con facilidad.
En este caso la distribucin no responde a ninguna ley estadstica
conocida. Ejm.: En el sellado de las talas: ( se quiere controlar la altura del
sellado)
2.6.

Causas comunes y causas asignables o especiales

De acuerdo con lo dicho en la introduccin, el proceso est afectado por un gran

nmero de factores sometidos a una variabilidad (por ejemplo oscilaciones de las
caractersticas del material utilizado, variaciones de temperatura y humedad
ambiental, variabilidad introducida por el operario, repetibilidad propia de la
maquinaria utilizada, etc.), que inciden en l y que inducen una variabilidad de las
caractersticas del producto fabricado. Si el proceso est operando de manera que
existen pequeas oscilaciones de todos estos factores, pero de modo que ninguno
de ellos tienen un efecto preponderante frente a los dems, entonces en virtud del
TLC es esperable que la caracterstica de calidad del producto fabricado se
distribuya de acuerdo con una ley normal. Al conjunto de esta multitud de factores
se denominan causas comunes. Por el contrario, si circunstancialmente incide un
factor con un efecto preponderante, entonces la distribucin de la caracterstica de
calidad no tiene por qu seguir una ley normal y se dice que est presente una

causa especial o asignable. Por ejemplo, si en un proceso industrial se est

utilizando materias primas procedentes de un lote homogneo y se contina la
fabricacin con materias primas procedentes de otro lote, cuyas caractersticas
son muy diferentes de las anteriores, es muy posible que las caractersticas de los
productos fabricados sean significativamente distintas a partir de la utilizacin del
nuevo lote.
Por definicin, se dice que un proceso est bajo control estadstico cuando no hay
causas asignables presentes. El Control Estadstico de Procesos se basa en
analizar la informacin aportada por el proceso para detectar la presencia de
causas asignables y habitualmente se realiza mediante una construccin grfica
denominada Grfico de Control.
Si el proceso se encuentra bajo control estadstico es posible realizar una
prediccin del intervalo en el que se encontrarn las caractersticas de la pieza
fabricada.
2.7.

GRFICOS DE CONTROL

Los Grficos de Control son representaciones grficas de los valores de una

Caracterstica resultado de un proceso, que permiten identificar la aparicin de
causas especiales en el mismo.
2.7.1. GRFICOS DE CONTROL POR VARIABLES. GRFICOS DE
SHEWHART
Supongamos que un proceso se encuentra bajo control estadstico y por lo tanto
su distribucin es N (m, s). Si se extrae una muestra de tamao n y su media
muestral se encuentra comprendida fuera del intervalo comprendido entre m - 3s /
n y m + 3s / n (llamados lmites de control inferior y superior respectivamente),
podemos justificar este hecho de dos modos distintos:
a) De acuerdo con el modelo terico supuesto sabemos que el 0,27% de las
muestras (es decir 27 muestras de cada 10.000) tendrn una media fuera
de este intervalo y la muestra que hemos extrado es una de ellas.
b) Es muy improbable obtener una muestra de estas caractersticas si
realmente el modelo es el supuesto, de modo que parece ms verosmil
pensar que el proceso no est bajo control estadstico y por lo tanto la
hiptesis de que se distribuye en ese momento segn una N(m, s) es falsa.
Por el contrario, si la media muestral est comprendida dentro del intervalo
anterior, no tendremos ninguna razn de peso para pensar que el proceso no se
encuentra bajo control estadstico (el resultado es coherente con el modelo

supuesto). Lo anterior no quiere decir que podamos estar absolutamente seguros

de que el proceso se encuentre bajo control estadstico, sino que no tenemos la
evidencia de que no lo est.
El Control Estadstico de Procesos se basa en repetir esta toma de muestras de
manera peridica, calcular la media muestral y representar un grfico de una
manera similar a la Figura 12, de modo que si la media cae fuera de los lmites de
control existe la evidencia de que hay una causa asignable presente (proceso
fuera de control). A este grfico se le denomina Grfico de Medias o simplemente
Grfico X.
El anlisis de las muestras no se debe detener simplemente construyendo un
Grfico de Medias ya que an pueden proporcionar ms informacin del
comportamiento del proceso. En efecto, la dispersin de los valores mustrales
nos puede proporcionar una estimacin de la dispersin del proceso y realizar un
seguimiento de su evolucin. Es sabido que la dispersin de los valores de una
poblacin se mide por su desviacin tpica s y los estimadores mustrales
utilizados ms frecuentemente son el recorrido R (que en nuestro caso dar lugar
al Grfico de Rangos o Recorridos o simplemente Grfico R) y la desviacin tpica
muestral S (que dar lugar al Grfico de desviaciones tpicas o simplemente
Grfico S). Antes de seguir adelante es conveniente recordar algunas propiedades
de estos estadsticos con objeto de alcanzar un mejor entendimiento de la
construccin de estos grficos.
a. Rango o recorrido muestral.
Se define como la diferencia entre el mayor valor presente en la muestra y el
menor valor. Por su propia construccin, este estadstico da una estimacin de la
dispersin de la poblacin de la que procede. Presenta la ventaja de que se
calcula muy fcilmente y para valores mustrales pequeos n8 se comporta bien.
Para valores mayores da una estimacin sobrevalorada de la dispersin de la
poblacin. Existen tablas aplicables a procesos normales que, en funcin del
tamao de la muestra, proporcionan la funcin de distribucin del estadstico w =
R/s, denominado recorrido relativo y tambin la E(w) = d2 y sw = d3.
b. Desviacin tpica muestral.
Es conveniente recordar que en los textos se utilizan dos estadsticos distintos. El
primero de ellos se define:

Para procesos normales, la esperanza matemtica de la varianza muestral es:

2.7.2. GRAFICOS DE CONTROL POR ATRIBUTOS

Definicin
Son Grficos de Control basados en la observacin de la presencia o ausencia de
una determinada caracterstica, o de cualquier tipo de defecto en el producto,
servicio o proceso en estudio.
Caractersticas principales
A continuacin se comentan una serie de caractersticas que ayudan a
comprender la naturaleza de la herramienta.
Comunicacin: Simplifican el anlisis de situaciones numricas complejas.
Impacto visual: Muestran de forma clara y de un "vistazo" la variabilidad del
resultado de un proceso, respecto a una determinada caracterstica, con el
tiempo.
Sencillez: La naturaleza de los datos necesitados permite recogerlos y
tratarlos de forma simple y rpida.
Aplicabilidad: Los Grficos de Control por Atributos se pueden utilizar para
cualquier tipo de proceso, producto o servicio y caracterstica de los mismos,
sea esa medible o no.
Cuando no es fcil medir un producto o una parte, o cuando la calidad solo se
puede obtener como un atributo conforme o no con las especificaciones se
puede usar una grfica de control de atributos (caractersticas).
El trmino atributo, tal como se emplea en control de calidad, es la propiedad que
tiene una unidad del producto de ser buena o mala, es decir la caractersticas de
calidad de la unidad de estar o no de acuerdo con las especificaciones.
La inspeccin por atributos est generalmente asociada con los calibres llamados
pasa-no pasa por Ejm.:
Un calibre cilndrico divide las unidades inspeccionadas en dos grupos:
Unidades dentro de las especificaciones y unidades fueras de ellas.
La inspeccin visual de la pintura separa las unidades en dos categoras:
Buena o mala.

 Hay muchas posibilidades de que existan errores en una hoja

mecanografa. Despus que se ha escrito la carta existen dos atributos para
est; el mecanografiado correcto y el incorrecto.
Un operario es lento y no lo es, un hombre tiene un accidente o no lo tiene.
La situacin s o no es siempre tpica de la medicin de atributos. Un grfico
confeccionando para controlar este tipo de medidas de calidad se conoce como
grficos de atributos. Constituye un instrumento muy valioso para el control
general de la calidad de un proceso, para sealar perturbaciones en las
caractersticas de calidad y para facilitar de calidad en la direccin.
El control de calidad durante el proceso supone la racionalizacin de muchos
objetivos de calidad para lograr la mejor inversin de las horas-hombre empleadas
en el control. El sistema de control de calidad que debe emplearse es aquel que
permite efectuar el trabajo a un costo total de calidad ptima.
El grfico de atributo se recomienda encarecidamente como instrumento
primordial para el Control Global de la calidad del proceso y para ofrecer
informacin sobre calidad la direccin y al pblico.
Antes de presentar este tipo de grficas, deben definirse los siguientes trminos:
Defecto: Cualquier caracterstica individual que no est de acuerdo con los
requerimientos.
Defectuosa: Cualquier parte que tiene uno o ms defectos.
La ms comnmente empleadas son las grficas P o para piezas defectuosas
(grfica de fraccin defectuosa) y la grfica C o de defectos por unidad.
La grfica P presenta el porcentaje de parte defectuosas, y la grfica C presenta el
nmero de defectos en una muestra.
LA GRAFICA P:
La base de esta grfica es la fraccin defectuosa que hay en una muestra de un
ciertos de cosas (el porcentaje defectuoso).
Si se toma una muestra, n, de una fuente (ensambles, partes, materias primas)
que contiene un porcentaje defectuoso, P, debe encontrarse un nmero, d, de
piezas defectuosas en la muestra. Por lo tanto el porcentaje defectuoso en la
muestra ser 100d/ n.
Este valor no es necesariamente igual al valor de lote. Si se toman otras muestras
de la misma fuente, se detectarn diferentes % defectuosos, los cuales pueden

ser mayores o menores que l % P. La muestra estadstica, 100d/n graficada

contra el tiempo con los lmites de control apropiados, forma una grfica de control
para el porcentaje defectuoso.
Lmites de control para Por Ciento Defectivo (defectuoso)
Los datos de la inspeccin por atributos se representan por el valor de su fraccin
defectiva o por el % defectivo.

La fraccin defectiva

Nmero de unidades que presen tan defectos

P
Numero total de unidades inspeccionadas

% defectivo = es la representacin en porcentaje del anterior valor decimal.

III.

BIBLIOGRAFIA

http://www.monografias.com/trabajos11/tebas/tebas.shtml
http://humanidades.cchs.csic.es/cchs/web_UAE/muestreo/muestreo.html
http://www.eumed.net/libros-gratis/2006c/203/2l.htm
Profesor: Arturo Ruiz-Falc Rojas. Madrid, Marzo 2006 CONTROL
ESTADSTICO DE PROCESOS
http://www.matematicasypoesia.com.es/Estadist/ManualCPE06p4.htm