MANUEL ALFONSO RINCON MENDEZ

COD 83232445
GRAFICOS DE CONTROL POR ATRIBUTOS
De acuerdo a las especificaciones de la gua de actividades y la rbrica, se debe
plantear un ejemplo ilustrativo de los conceptos sobre GRAFICO DE CONTROL
POR ATRIBUTOS. Frente a esto podramos decir en forma preliminar que algunas
caractersticas de calidad no pueden ser representadas convenientemente por
medio de variables cuantitativas o numricas. En estos casos, las unidades de
producto se clasifican en conformes o en no conformes segn la caracterstica
o caractersticas cualitativas sean o no conformes con las especificaciones. A
estas caractersticas de calidad se denominan atributos. Los datos de tipo atributo
tienen solamente dos valores: Conforme / no conforme, pasa/no pasa, funciona /
no funciona, presente / ausente. Tambin se consideran atributos aquellas
caractersticas cuantitativas que se registran en trminos de sino como por
ejemplo, el dimetro de un eje cuya conformidad solo la medimos en trminos de
aceptable/no aceptable, las imperfecciones de pintura en una puerta de un
automvil, las burbujas en la laca de un detonador, la presencia/ausencia de un
tornillo, etc.
Para poder establecer el ejemplo es necesario que identifiquemos los cuatro tipos
de grficos de control por atributos:
Grfico p para porcentajes defectuosos
Grfico np para el nmero de unidades defectuosas
Grfico c para el nmero de defectos
Grfico u para el nmero de defectos por unidad inspeccionada
Vamos a dar un ejemplo por cada tipo de grfico, para mayor claridad:
Grfico p para porcentajes defectuosos
En primer lugar el grfico p tiene tres parmetros que es necesario describir:
Tamao
Frecuencia.
Distancia entre lmites de control.
Ahora vamos al ejemplo:
Un taller de autopartes inspecciona un artculo elctrico tomando muestras de 100
unidades cada vez. Aunque se verifican 5 caractersticas determinantes de la
calidad, al final cada artculo se clasifica con los criterios: aceptable o defectuoso.
Las ltimas 25 muestras aplicadas muestran estos resultados:

Numero
de
muestra
s
1
2
3
4
5
6
7
8
9
10
11
12
13

Defectuosos
%
4
3
5
6
7
5
4
2
5
6
4
3
3

Numero
de
muestra
s
14
15
16
17
18
19
20
21
22
23
24
25

Defectuosos
%
4
4
5
3
0
3
2
1
3
4
2
2

Siguiendo nuestro ejemplo, primero se calcula el promedio de unidades

defectuosas, lo cual determina la lnea central de la grfica de control y se obtiene
como el promedio de los porcentajes de defectuosos de cada muestra. En este
caso el promedio de defectuosos o no conformes se obtiene de la siguiente forma:

Grfico np para unidades defectuosas

Supongamos un proceso que fabrica tornillos. Una manera de ensayar cada
tornillo sera probarlo con una rosca calibrada.
El resultado de este ensayo slo tiene dos posibles resultados:
Defectuoso - No Defectuoso ( Conforme-No Conforme )
. Si el tornillo no entra en la rosca, se lo considera defectuoso o no
conforme.
Para controlar este proceso, se puede tomar una muestra de tornillos y contar el
nmero de defectuosos presentes en la muestra.

La variable aleatoria nmero de defectuosos es una variable aleatoria discreta,

porque puede tomar un nmero finito de valores, o infinito numerable. Los grficos
np se utilizan para controlar el nmero de defectuosos en una muestra.
Para controlar este proceso, un inspector se coloca al final de la lnea de
produccin y cada hora retira una muestra de n=50 tornillos (por ejemplo),
comprueba cada uno con la rosca y anota el nmero de defectuosos.

Este resultado se anota en un grfico hora por hora denominado grfico np.
Si se tomara del proceso un slo tornillo Cul es la probabilidad de que sea
defectuoso? Imaginando la poblacin de tornillos que podra fabricar el proceso
trabajando siempre en las mismas condiciones, una cierta proporcin p de estos
seran defectuosos. Entonces, la probabilidad de tomar un tornillo y que sea
defectuoso es p.
En una muestra de n tornillos, la probabilidad de encontrar:
0 defectuosos ; 1 defectuoso ; 2 defectuosos ; ... ; n defectuosos
est dada por una distribucin binomial con parmetros n y p.
Como sabemos, el promedio de la poblacin es p y la varianza es n.p.(1-p).
Para construir los grficos de control np, en una primera etapa se toman N
muestras (ms de 20 25) a intervalos regulares, cada una con n tornillos. Se
cuenta en cada muestra el Nmero de Defectuosos y se registra. Se obtendra una
Tabla como la siguiente:

En cada muestra, la fraccin de defectuosos es D i/n, siendo Di el nmero de

elementos defectuosos en la muestra i, y n el nmero de elementos en la muestra
i
A partir de la tabla podemos calcular p como promedio de las fracciones de
defectuosos en las muestras:

siendo N el nmero de muestras, y luego la Desviacin Standard s:

Con esto podemos calcular los Lmites de Control para el grfico np:

Construimos entonces un Grfico np de prueba y representamos el nmero de

defectuosos en las muestras.
Si no hay puntos fuera de los lmites de control y no se encuentran patrones no
aleatorios, se adoptan los lmites calculados para controlar la produccin futura.
Para las personas con poco entrenamiento estadstico, este grfico suele ser ms
fcil de interpretar que el grfico p. Frecuentemente se utiliza solo el lmite
superior.
En algunos procesos interesa medir la cantidad de defectos que presentan las
unidades de producto que se estn fabricando. Por ejemplo, se fabrican telfonos
celulares y entonces se toma uno de ellos y se cuenta el nmero total de defectos.
Estos podran ser:

Rayas en la superficie.

grietas en el plstico

Antena defectuosa

Botn defectuoso.

Etc.

Los defectos pueden ser de diferentes tipos y se cuenta el total de todos estos
defectos en la unidad inspeccionada. Obtenemos un resultado que es el Nmero
de Defectos por unidad de inspeccin.
A medida que el proceso genera las unidades (Telfonos mviles), retiramos una
unidad a intervalos regulares y contamos el nmero total de defectos. En cada
unidad podemos encontrar:?

0 defectos
1 defecto

2 defectos

...

n defectos

Los resultados obtenidos al contar el Nmero de Defectos en unidades de

inspeccin tomadas a intervalos regulares constituyen una variable aleatoria
discreta, porque puede tomar los valores discretos 0, 1, 2, ... n. Esta variable
aleatoria tiene una distribucin de Poisson:

Los grficos C se utilizan para controlar el nmero de defectos en una muestra del
producto o unidad de inspeccin. Para controlar este proceso, un inspector se
coloca al final de la lnea de produccin y cada cierto intervalo retira una unidad de
inspeccin, verifica y anota el nmero total de defectos.
Este resultado se anota en un grfico denominado grfico C. De acuerdo a la
Distribucin de Poisson, si denominamos C al parmetro de la funcin de
distribucin, el promedio de la poblacin es C y la varianza tambin es C.
Una unidad defectuosa puede tener uno o ms defectos. Sin embargo, es posible
que una unidad de producto tenga varios defectos y que no sea clasificada como
defectuosa debido a la naturaleza poco importante del defecto. Existen en la
prctica muchas situaciones en las que es preferible trabajar con el nmero de
defectos que con el porcentaje o el nmero de unidades defectuosas. Por ejemplo,
el nmero de soldaduras defectuosas en un tubo de conduccin de gas, el nmero
de defectos funcionales es un dispositivo electrnico, etc.
Se pueden efectuar grficos de control para el nmero total de defectos por unidad
de producto o para el nmero de defectos en la muestra. Estos grficos de control
se basan en la distribucin de Posson que exige un nmero de puntos donde
potencialmente podra producirse el defecto infinitamente grande, as como que la
probabilidad de que el defecto aparezca en un determinado punto sea muy
pequea y constante.
La unidad de inspeccin debe ser la misma en cada muestra. Es decir cada
unidad de inspeccin debe representar siempre una probabilidad igual de que se
produzcan los defectos. En la mayor parte de las situaciones prcticas, estas
condiciones no se satisfacen exactamente. El nmero de oportunidades (puntos)
para los defectos suele ser finito y la probabilidad de aparicin de defectos puede
no ser constante. Si las desviaciones respecto de la situacin ideal no son
importantes, puede usarse el modelo de Poisson. Existen, sin embargo, casos en
los que las desviaciones respecto de las condiciones del modelo son
considerables y en los que la utilizacin de la distribucin de Poisson es
inadecuada.
Grficos c para tamao de muestra constante

En el grfico c se representan el nmero de defectos existentes en cada unidad

de inspeccin. En la mayor parte de los casos, la unidad de inspeccin ser una
unidad de producto aunque esto no es absolutamente necesario ya que la unidad
de inspeccin constituye simplemente una porcin de produccin sobre la que es
conveniente registrar el nmero de defectos encontrados. Puede ser un grupo de
1,5 6 10 unidades de producto. Supongamos que los defectos tienen lugar en esta
unidad de inspeccin de acuerdo con la distribucin de Poisson

donde x es el nmero de defectos en la unidad de inspeccin y C es el parmetro

de la distribucin, Sabemos que la media y la varianza de la distribucin de
Poisson son ambas iguales a C. En consecuencia, los lmites de control 3 sigma
para el nmero de defectos sern:

Hay que tener en cuenta que la probabilidad de producir una falsa alarma por
situarse el punto por encima del lmite de control superior es diferente que la de
situarse por debajo del lmite inferior (colas superior e inferior diferentes). Si no se
conoce el parmetro c, debe estimarse a partir de una muestra preliminar de
unidades de inspeccin. El valor obtenido en la estimacin, O sustituir al valor O
en los lmites arriba indicados.
Anlisis de defectos
Los datos sobre defectos aportan siempre mayor informacin que los relativos a
unidades defectuosas ya que habitualmente existen diversos tipos de defectos.
Al analizar por conteo la frecuencia de cada tipo de defecto observamos que, en
muchas ocasiones, los resultados estn acordes con la distribucin de PARETO y
que un pequeo nmero de defectos es causa de la mayor parte de los
problemas. Si somos capaces de eliminar las causas de unos pocos tipos de
defectos, habremos conseguido una drstica mejora en la calidad.
Grfico u
Supongamos que se est controlando el nmero de defectos en un proceso de
ensamblado de licuadoras y se define una unidad de inspeccin de 5 licuadoras.
En este caso es posible trabajar con un grfico C, como ya hemos visto. Pero tal
vez se desea controlar el promedio de defectos por cada licuadora (unidad de
produccin) en lugar del total de defectos para las 5 licuadoras (unidad de
inspeccin):

siendo ni la cantidad de Defectos por Unidad de Inspeccin y m el nmero de

Unidades de Produccin en la Unidad de Inspeccin.
En nuestro ejemplo, si encontramos ni defectos en la unidad de inspeccin (5
licuadoras), la cantidad promedio de defectos por licuadora ser
Se debe tener en cuenta que x es una nueva variable aleatoria discreta que toma
valores 0, 1/m, 2/m, etc., y cuya distribucin de probabilidades se puede
calcular a partir de la Distribucin de Poisson.
Como en el caso de los grficos C, en una primera etapa se toman N unidades de
inspeccin (ms de 25 30) a intervalos regulares. Se cuenta en cada unidad de
inspeccin el Nmero de Defectos y se registra. Luego se divide el Nmero de
Defectos de cada unidad de inspeccin por m (Nmero de unidades de produccin
en cada unidad de inspeccin).
En nuestro ejemplo (m = 5) la Tabla quedara as:

Entonces, a partir de la tabla podemos calcular el parmetro U, como promedio del

Nmero de Defectos por licuadora, y la Desviacin Standard:

;
siendo : ni la cantidad de Defectos por Unidad de Inspeccin, m el Nmero de
Unidades de Produccin en la Unidad de Inspeccin y N el Nmero de Unidades
de Inspeccin
Con esto podemos calcular los Lmites de Control para el grfico U:

DISTRIBUCIN BINOMIAL
Probabilidad de r o menos sucesos en n intentos, donde p es la ocurrencia de
cada intento.