You are on page 1of 46

INGENIERIA Y CONTROL DE LA CALIDAD

CONTROL ESTADISTICO DEL PROCESO

GRAFICAS DE CONTROL PARA ATRIBUTOS


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. (tamao constante)


La grfica u nmero de defectos por unidad.
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: p3 p (1 p )


(binomial normal) n

m
Si p no se conoce, se le estima
a partir de m muestras previas, con
x
p m

n
GRAFICA DE CONTROL p
Clculo de los lmites de control

Los Lmites de control son: p3 p (1 p )


(binomial normal) n

m
Si p no se conoce, se le estima
a partir de m muestras previas, con
x
p m

n
Note que si n vara
los lmites de control no seran constantes 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 p - 3 p(1-p)/ n > 0
por tanto n > 9 (1-p) / 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 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


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

LSC = p1

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

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

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


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

LSC p1

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

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


n 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 Fraccin
defectuosos (x)
defectuosa (x/n) GRAFICA DE CONTROL p
Ejemplo 1
1 2 2/40 = 0.050
2 3 0.075
3 1 0.025
4 4 0.1
5 3 0.075
6 2 0.05
7 1 0.025
8 1 0.025
9 0 0
10 3 0.075
11 2 0.05
12 4 0.1
13 7 0.175
14 2 0.05
15 3 0.075
16 3 0.075
17 2 0.05
18 8 0.2
19 0 0
20 1 0.025
21 3 0.075
22 2 0.05
TOTAL 57
a) m = 22 nmero de muestras
n = 40 tamao de cada muestra

x j
57
p
j 1
M 0.06477
n j
22 (40)
j 1

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
UCL=0.1815
Proportion

0.1

P=0.06477

0.0 LCL=0

0 10 20
Sample Number
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) Numero de artculos Fraccin no


no conformantes en el grupo conformante
1 2 2/40 = 0.050
2 3 0.075
3 1 0.025
4 4 0.100
5 3 0.075
6 2 0.050
7 1 0.025
8 1 0.025
9 0 0.000
10 3 0.075
11 2 0.050
12 4 0.100
13 7 0.175
14 2 0.050
15 3 0.075
16 3 0.075
17 2 0.050
18 8 0.200
19 0 0
20 1 0.025
21 3 0.075
22 2 0.050
57
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
1

UCL=0.1583
Proportion

0.1

P=0.0525

0.0 LCL=0

0 10 20
Sample Number
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
p. 13 97
29 102
La tabla anexa muestra los rechazos encontrados y la 21 104
14 101
cantidad de piezas revisadas cada da. Si la fraccin 6 55
6 48
defectuosa de cierto da excede los lmites de control el 7 50

ingeniero debe inspeccionar al 100% el lote producido. 7 53


9 56

a) Determine los lmites de control y contruya la grfica 5 49


8 56

b) Determine los lmites de control futuros, suponiendo 9 53


9 52

que se identifican las causas especiales de los puntos fuera 10 51


9 52
de control. 10 47

240 1424
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
0.3
Proportion

0.2
P=0.1685

0.1

0.0 LCL=0.004728

0 10 20
Sample Number
GRAFICA DE CONTROL p
Ejemplo 2
Rechazos Muestra
20 98
18 104
b) Lmites de control (despus de eliminar punto p 6) 14 97
16 99
13 97
pest = xi = 240 - 29 = 0.1596 29 102
21 104
ni 1424 - 102 14 101
6 55
6 48
LSC = 0.1596 + 3(0.1596)(1-0.1596)/ni 7 50
7 53
9 56
5 49
LSC = 0.1596 - 3(0.1596)(1-0.1596)/ni 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 X : # de defectuosos en la muestra de tamao n es


una Variable Binomial (n,p)
entonces 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
np. 13 97
29 102
La tabla anexa muestra los rechazos encontrados y la 21 104
14 101
cantidad de piezas revisadas cada da. Si el nmero de 6 55
6 48
rechazos de cierto da excede los lmites de control el 7 50

ingeniero debe inspeccionar al 100% el lote producido. 7 53


9 56

a) Determine los lmites de control y contruya la grfica 5 49


8 56

b) Determine los lmites de control futuros, suponiendo 9 53


9 52

que se identifican las causas especiales de puntos fuera de 10 51


9 52
control. 10 47

240 1424
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

30

20
Sample Count

UCL=15.62

10
NP=7.921

0 LCL=0.2222

0 10 20
Sample Number
GRAFICA DE CONTROL p
Ejemplo 2

P Chart

UCL=0.3313
0.3
Proportion

0.2
P=0.1678

0.1

0.0 LCL=0.004279

0 10 20
Sample Number
GRAFICA DE CONTROL p
Ejemplo 2

P Chart
NP Chart
30 UCL=0.3313
0.3

20
Sample Count

Proportion
0.2
UCL=15.62 P=0.1678

10 0.1
NP=7.921

0.0 LCL=0.004279
0 LCL=0.2222

0 10 20
0 10 20
Sample Number
Sample Number
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 .

You might also like