Sintagma_GráficosDeControlParaAtributos
Click here to load reader
-
Upload
carlos-alberto-torres -
Category
Documents
-
view
22 -
download
1
Transcript of Sintagma_GráficosDeControlParaAtributos
![Page 1: Sintagma_GráficosDeControlParaAtributos](https://reader038.fdocuments.ec/reader038/viewer/2022100517/557202544979599169a358a9/html5/thumbnails/1.jpg)
Universidad Distrital Francisco José de Caldas. Martínez Medellín, Fabio Enrique; Torres Núñez, Carlos Alberto;
Sequera Pulido, Diego Armando. Gráficos de Control para Atributos (p, u, np, c)
Abstract— Control charts for measurements reflect the
evolution of a numeric character: a measurement, during the
production process. Control charts for attributes are designed to
monitor the quality of the production of more crudely:
compliance or non- compliance, number of defects.
I. INTRODUCCIÓN
L desarrollo de procedimientos adecuados para el
estudio y control de los procesos productivos, es
fundamental para mantener un nivel óptimo de calidad en los
productos. En este sentido, la Estadística juega un papel
importante en todas las actividades empresariales relacionadas
con la calidad pues proporciona un amplio abanico de técnicas
que se pueden aplicar en el control de la misma.
Aunque la expresión "control de la calidad" puede tener
distintos enfoques se puede definir como
el conjunto de las actividades técnicas y administrativas
mediante el cual se miden las características de calidad de
un producto, se compararan con especificaciones o
requisitos y se toman acciones correctivas cuando exista
una discrepancia entre el funcionamiento real y el estándar
(Navarrete 1998: 18-19).
Generalmente estas características suelen ser medibles, lo que
hace posible su evaluación y control. En otras palabras las
características de calidad son, en realidad, variables aleatorias
y se describen por una determinada distribución de
probabilidad. Este hecho, junto con la variabilidad que se
presenta en los procesos productivos justifica la necesidad de
utilizar la Estadística en el control de la calidad.
Sintagma Gnoseológico recibido Mayo 16, 2012. Gráficos de
Control para Atributos (p, u, np, c); Martínez Medellín, Fabio Enrique fue el autor de este sintagma
gnoseológico, estudiante de noveno semestre del proyecto curricular de
Ingeniería de Sistemas de la Universidad Distrital Francisco José de Caldas, Bogotá DC, Colombia (e-mail: [email protected])
Torres Núñez, Carlos Alberto fue el autor de este sintagma gnoseológico,
estudiante de noveno semestre del proyecto curricular de Ingeniería de Sistemas de la Universidad Distrital Francisco José de Caldas, Bogotá DC,
Colombia (e-mail: [email protected])
Sequera Pulido Diego Armando fue el autor de este sintagma gnoseológico, estudiante de décimo semestre del proyecto curricular de
Ingeniería de Sistemas de la Universidad Distrital Francisco José de Caldas,
Bogotá DC, Colombia (e-mail: [email protected])
El objetivo básico de una gráfica de control es observar y
analizar los datos estadísticos de la variabilidad y el
comportamiento de un proceso a través del tiempo.
Los límites de control no deben ser considerados como
especificaciones, tolerancias para el control del proceso, se
supone que las especificaciones son establecidas previamente,
en la etapa de diseño del producto.
II. ANTECEDENTES HISTÓRICOS
La noción del uso de las técnicas de muestreo y análisis
estadístico en un ambiente de producción tuvo sus inicios en la
década de 1920. En 1924, Walter A. Shewart de los bell
Telephone Laboratorios desarrolló el concepto de una carta de
control para distinguir entre la variación normal, producto de
causas aleatorias, y la variación excesiva, cuyas causas se
pueden determinar. El Dr. W. A. Shewhart consideraba que
los costos no es lo más importante, sino el surtir a tiempo
grandes volúmenes de producción con las especificaciones que
el mercado demanda, no hay tiempo de inspeccionar todos los
productos que salen al final de la líneas de producción.
Además, decía que no es posible obtener dos productos
idénticos procedentes de una misma máquina ni predecir cómo
será el siguiente producto. Sobre ésta base filosófica desarrolló
sus gráficos de control, los cuales son una forma de observar y
detectar el patrón de comportamiento de un proceso a través
de toda y cada una de sus partes, tomando así, acciones
correctivas antes de que sea demasiado tarde.
Los estudios de Shewart, se llevan a cabo a petición de los
ingenieros de Western Electric, que desde tiempo atrás
realizan investigaciones relacionadas con los problemas de
calidad de la planta de Hawthome. J.M. Juran se cuenta entre
los miembros más destacados de este grupo de profesionales,
cuyo principal objetivo es obtener el máximo de información
de un mínimo de datos inspeccionados.
Para lograrlo, encargan a los Laboratorios de la Bell
Telephone la elaboración de un método de presentación y
análisis de datos y a partir de ese momento, se forma un grupo
de ingenieros en la Bell para estudiar el problema. El primer
libro de Control de Calidad se publica en 1931, es obra de
Shewhart y se titula “Económic Control of Quality of
Manufactured Products” (Control Económico de Calidad de
Productos Manufacturados).
E
Gráficos de Control para Atributos (p, np, c, u)
Martínez Medellín Fabio Enrique, Código: 20012020109,
Torres Núñez, Carlos Alberto, Código: 20052020088,
Sequera Pulido Diego Armando, Código: 20052020083,
Universidad Distrital Francisco José de Caldas
![Page 2: Sintagma_GráficosDeControlParaAtributos](https://reader038.fdocuments.ec/reader038/viewer/2022100517/557202544979599169a358a9/html5/thumbnails/2.jpg)
Universidad Distrital Francisco José de Caldas. Martínez Medellín, Fabio Enrique; Torres Núñez, Carlos Alberto;
Sequera Pulido, Diego Armando. Gráficos de Control para Atributos (p, u, np, c)
Durante la depresión de los años 30, el Control estadístico de
la calidad no pasa de ser una curiosidad científica; pocos son
los que conocen fuera de la Bell System y menos aun los que
lo aplican. Sin embargo este periodo es testigo de importantes
progresos en la nueva técnica, y muchos son el resultado de
los trabajos del Dr. Shewhart, como presidente del “Comité de
Desarrollo y Aplicaciones de la Ingeniería Estadística y de
manufactura”.
En 1933, se publica el manual de presentación de datos de la
ASTM (American Society for Testing Materials), bajo la
dirección de Harold F. Dodge. Más adelante, en 1938, aparece
el suplemento A, que presenta los Límites de incertidumbre de
la desviación Observada y el suplemento B, Método de las
Cartas de Control del Análisis de la presentación de Datos.
En Inglaterra, Tippet propone la utilización de un cuadro de
escalas, en lugar de aplicar la desviación estándar como
medida de la variabilidad, Su primer trabajo sobre el tema se
publica en 1925 y todo el sustento teórico sobre el desarrollo
de conversión de escalas para los límites de control de los
cuadros promedio y escalas (X,R) aparecen en 1935, como
parte del “Estándar británico 600” y en “La aplicación de los
Métodos Estadísticos a la estandarización de la industria y el
Control de Calidad”. Los estudios de Tippet simplifican en
gran medida los cálculos necesarios para elaborar un cuadro
de control, a pesar de lo cual, sus teorías sólo se llevan a la
práctica después de la Segunda Guerra Mundial.
En el transcurso de la Segunda Guerra Mundial, aparecen
varias publicaciones, la más importante de las cuales es el
“Método de Inspección de Muestra” de Dodge y Roming,
artículo que se edita por primera vez en el mes de Octubre de
1939, en la revista técnica del Sistema Bell. En el ejemplar de
Enero del siguiente año de la misma revista, se publican las
“Tablas de Inspección de Muestreo Sencillo”. Los dos
artículos son los antecedentes de la publicación, en 1944, de la
obra de Dodge y Roming, “Tablas de Inspección por
Muestreo”.
En diciembre de 1940, el departamento de guerra de los
estados unidos, encarga a la asociación Americana de
Estándares la elaboración de un proyecto sobre la aplicación
de los métodos estadísticos al control de calidad de los
materiales y de los productos terminados.
Para esto, la Asociación forma una comisión técnica de
emergencia, bajo la dirección de Dodge, en tal comisión se
cuenta con la colaboración de W. Edwards Deming de la
oficina del Censo, la ayuda del general de División Leslie E.
Simon, quien trabaja en ese entonces en el departamento de
Ordenanza del Ejército y por último de Ralph E. Warchman,
de la general Electric; el resultado de los trabajos de la
comisión es la publicación de los estándares de guerra
americanos Z1.1 y Z1.2 en mayo de 1941 ( Guía para el
control de calidad y métodos de los diagramas de control para
el análisis de datos) y del Z1.3 en abril de 1942 (Método de
diagramas de control, para el control de calidad durante la
producción).
Sin embargo, no fue sino hasta la II Guerra Mundial que se
extendió el uso del Control estadístico de la Calidad. Esto se
debió a la importancia de mantener la calidad en los procesos
de producción durante ese periodo. En los años 1950’s y
1960’s, el desarrollo del control de calidad y el área general de
aseguramiento de calidad creció con rapidez, sobre todo
debido al surgimiento del programa especial en los Estados
Unidos.
En 1948 La Sociedad Japonesa de Científicos e Ingenieros
invitan al Dr. Deming para que ofrezca sus conferencias, las
cuales se imparten en 1950, a partir de ahí se inicia la
aplicación de los métodos de Control Estadístico de la calidad
en la Industria japonesa; a diferencia de los Estados unidos,
donde en la Universidad de Stanford se imparten estos cursos,
pero sin respuesta positiva de la dirección de las industrias
americanas, que no aplican estos métodos.
Más recientemente en 1991, con el desarrollo de las Técnicas
estadísticas de Control, Quesenberry presenta las gráficas Q
para cuando los procesos tienen la naturaleza de corridas
cortas, las cuales controlan características para los cuales se
desarrolla una estandarización de variables. También presenta
las gráficas Q para cuando los procesos tienen la naturaleza de
corridas cortas, las cuales controlan variables con parámetros
p de una Distribución Binomial; que presenta una
estandarización de estos parámetros por medio de
Distribuciones Poisson y Binomiales. Además, Quesenberry
presenta las gráficas Q para cuando los procesos tienen la
naturaleza de corridas cortas, las cuales controlan variables
con parámetros de una Distribución de Poisson; que
representa una estandarización de estos parámetros por medio
de Distribuciones de Poisson y Binomiales.
Wheeler en 1991 propone Gráficas de Control para Corridas
Cortas clasificadas en: Gráficas de Diferencias para individuos
y datos agrupados y Gráficas Zed (Gráfica Z) para individuos
y datos agrupados, y presenta también una modificación de la
Gráfica Zed que es la Gráfica Zed Star para individuos y datos
agrupados.
En 1992, Farnum propone una modificación a la Gráfica de
diferencias (Desviación de Nominal) en corridas cortas,
cuando se presentan varianzas que difieren unas de otras o que
no son parecidas, introduce modelos para sistemas de
medición con errores y variación en el proceso. Crowder en
1992, propone una manera más económica de controlar el
proceso que modifica los límites de control para cuando se
tienen corridas cortas, añadiendo que se incurre en un costo
menor que cuando se utilizan límites de control para
poblaciones infinitas.
En 1993, Pyzdek presenta Gráficas de Control para corridas
cortas que se pueden hacer con diferentes métodos de
obtención de resultados, como el Método exacto, El Método
de las Gráficas de Valor de Códigos y el Método de Gráficas
de Control Estabilizadas para Variables; además de presentar
Gráficos de Control para Atributos para corridas cortas, que se
dividen en: Gráficas de Control de Atributos Estabilizadas y
Gráficas de Control de Deméritos.
![Page 3: Sintagma_GráficosDeControlParaAtributos](https://reader038.fdocuments.ec/reader038/viewer/2022100517/557202544979599169a358a9/html5/thumbnails/3.jpg)
Universidad Distrital Francisco José de Caldas. Martínez Medellín, Fabio Enrique; Torres Núñez, Carlos Alberto;
Sequera Pulido, Diego Armando. Gráficos de Control para Atributos (p, u, np, c)
III. GRÁFICAS DE CONTROL
Las gráficas de control son una herramienta estadística que
detecta la variabilidad, consistencia, control y mejora de un
proceso. Las mismas se usan como una forma de observar,
detectar y prevenir el comportamiento del proceso a través de
pasos vitales. Las 3 aplicaciones básicas de las gráficas de
control son:
1. Establecer un estado de control estadístico.
2. Vigilar un proceso y avisar cuando el proceso se salga
de control.
3. Determinar la capacidad del proceso.
Para utilizar y desarrollar las gráficas de control seguimos los
siguientes pasos:
Paso 1: Establecer los objetivos del control
estadístico del proceso.
Paso 2: Identificar las características a controlar.
Paso 3: Determinar el tipo de gráfico a utilizar.
Paso 4: Establecer el plan de muestreo.
Paso 5: Recoger los datos según el plan.
Paso 6: Dependiendo del tipo de gráfica a realizar:
a. Calcular la fracción de unidades no conformes
“p”.
b. Registrar el número de unidades no conformes
“np”.
c. Calcular el nº de disconformidades por unidad “u”
d. Registrar el nº de disconformidades “c”.
Paso 7: Calcular los limites de control.
Paso 8: Definir las Escalas del gráfico.
Paso 9: Representar en el gráfico la línea central y los
limites de control.
Paso 10: Incluir los datos de la muestra en el gráfico.
Paso 12: Análisis y Resultados.
IV. TIPOS DE GRÁFICAS DE CONTROL
Existen dos tipos primordiales de gráficas de control y son:
Gráficas de control para variables.
Gráficas de control para atributos.
Gráficas de control para variables: Diagramas que se
aplican a variables o características de calidad de tipo continuo
(pesos, voltajes, volúmenes, longitudes, humedad, etc.)
X (Xbarra, de medidas individuales)
R (R, de rangos)
S (R, de desviación estándar)
X (Xbarra, de promedios)
Gráficas de control para atributos: Diagramas que se aplican
al control de características de calidad del tipo “pasa, no pasa”
o donde se cuenta el número de no conformidades que tienen
los productos analizados.
p (P, proporción de artículos defectuosos)
u (U, Nº de defectos por unidad)
np (NP, Nº de unidades defectuosas)
c (C, Nº de defectos)
Figura 1. Clasificación de las gráficas de control.
A. GRÁFICA P PARA FRACCIÓN DE DEFECTOS.
Cuando un proceso esta en control, la probabilidad de que
cualquier pieza sea defectuosa es p (p es la proporción a largo
plazo de piezas defectuosas para un proceso en control) y que
diferentes piezas son independientes entre si, con respecto a
sus condiciones.
Considérese una muestra de n piezas obtenida en un tiempo
en particular, y sea X el numero de defectuosas y pˆ = X/n.
como X tiene una distribución binomial,
E(X) = np y V(X) = np (1- p), por lo cual
Del mismo modo, si np≥10 y n(1- p) ≥ 10, pˆ tiene
aproximadamente una distribución normal. En el caso de que
p conocida (o una grafica basada en un valor fijo), los limites
de control son
√
√
Si cada muestra esta formada por n piezas, el número de
piezas defectuosas de la i-ésima muestra es x i/n, entonces pˆ1,
pˆ2, pˆ3, . . . se trazan en la grafica de control.
Por lo general, el valor de p puede estimarse de los datos.
Supóngase que se dispone de k muestras de lo que se piensa es
un proceso de control, y sea
P =
![Page 4: Sintagma_GráficosDeControlParaAtributos](https://reader038.fdocuments.ec/reader038/viewer/2022100517/557202544979599169a358a9/html5/thumbnails/4.jpg)
Universidad Distrital Francisco José de Caldas. Martínez Medellín, Fabio Enrique; Torres Núñez, Carlos Alberto;
Sequera Pulido, Diego Armando. Gráficos de Control para Atributos (p, u, np, c)
La estimación se utiliza en lugar de P , en los limites de
control antes citados.
La grafica p para la fracción de piezas defectuosas tiene su
línea central en la altura P y limites de control.
√
√
si LCL es negativo, es sustituido por 0.
Ejemplo: Se selecciona una muestra de 100 tazas de una
figura especial de loza, durante cada uno de 25 días sucesivos,
y cada una se examina para ver si tiene defectos. Los números
resultantes de tazas no aceptables y sus correspondientes
proporciones muéstrales son los siguientes:
día (i) Xi pˆi
1 7 0,07
2 4 0,04
3 3 0,03
4 6 0,06
5 4 0,04
6 9 0,09
7 6 0,06
8 7 0,07
9 5 0,05
10 3 0,03
11 7 0,07
12 8 0,08
13 4 0,04
14 6 0,06
15 2 0,02
16 9 0,09
17 7 0,07
18 6 0,06
19 7 0,07
20 11 0,11
21 6 0,06
22 7 0,07
23 4 0,04
24 8 0,08
25 6 0,06
Tabla 1. Ejemplo de muestra de datos para gráfica n.
Supóngase que el proceso estuvo en control durante este
periodo, establezca límites de control y construya una grafica
p, se tiene que ∑ pˆi = 1.52, dando:
P = 1.52/25=.068 y
LCL = 0,0608 - 3√ = 0,0608 – 0,0717 = -0,0109
LCL = 0,0608 + 3√ = 0,0608 + 0,0717 = 0,1325
Por lo tanto el LCL se iguala a 0. La grafica de control
muestra que todos los puntos están dentro de los límites de
control. Esto es congruente con la suposición de un proceso en
control.
Figura 2. Ejemplo de Gráfica np.
Segundo, es una de las metodologías ligeros creados para
ayudar a reducir el costo del software el desarrollo (Wells,
2001, junio 4 bis). Los componentes a XP se componen de los
siguientes: los valores, principios y prácticas de los 12.
B. GRÁFICA NP PARA EL NÚMERO DE DEFECTUOSAS.
Esta gráfica es el instrumento estadístico que se utiliza
cuando se desea graficar precisamente las unidades
disconformes, y no el porcentaje que éstas representan, siendo
constante el tamaño dela muestra. Es necesario establecer la
frecuencia para la toma de datos, teniendo en cuenta que los
intervalos cortos permiten una rápida retroalimentación del
proceso.
Figura 3. Ejemplo de muestra N gráfica np.
Los principales objetivos de las gráficas np son conocer las
causas que contribuyen al proceso y Obtener el registro
histórico de una o varias características de una operación con
el proceso productivo.
Las características de las gráficas np son:
Se lleva el control del número de unidades o
artículos defectuosos en la muestra en lugar de la
proporción o porcentaje.
Tiene como base la distribución binomial.
El tamaño de muestras (número de unidades
![Page 5: Sintagma_GráficosDeControlParaAtributos](https://reader038.fdocuments.ec/reader038/viewer/2022100517/557202544979599169a358a9/html5/thumbnails/5.jpg)
Universidad Distrital Francisco José de Caldas. Martínez Medellín, Fabio Enrique; Torres Núñez, Carlos Alberto;
Sequera Pulido, Diego Armando. Gráficos de Control para Atributos (p, u, np, c)
inspeccionadas) debe ser constante.
Se usa en procesos de montajes complicado y la
calidad del producto se mide en términos dela
ocurrencia de disconformes.
Como solo se requiere un conteo, los cálculos son
más sencillos.
Los resultados de una inspección se pueden llevar
directamente a la gráfica sin necesidad de hacer
cálculos muy complicados.
Si varía el tamaño de la muestra, la línea central y
los limites de control también varían, deben ser
recalculados.
Figura 4. Diagrama del proceso.
Ejemplo: Un inspector se coloca al final de la línea de
producción de tornillos, y cada hora retira una muestra de n =
45 tornillos, comprueba que cada uno enrosque, en la rosca
calibrada y anota el número de defectuosos. El resultado, sólo
tiene dos posibilidades: Defectuoso-No Defectuoso (ó
Conforme-Disconforme). Si el tornillo no entra en la rosca, se
lo considera defectuoso o disconforme.
Figura 5. Ejemplo flujo gráfica np.
Este resultado se anota en un gráfico hora por hora y se
denomina Gráfico np.
Imaginando la población de tornillos que podría fabricar el
proceso trabajando siempre en las mismas condiciones, una
cierta proporción, p de estos serían 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 está
dada por una distribución binomial con parámetros n y p.
Como ya sabemos, el promedio de la población es n. p y la
varianza es n. p(1-p). Para la construcción del gráfico de
control np, en una primera etapa se toman N muestras (más de
20 ó 25) a intervalos regulares, cada una con n tornillos.
Se toma el número de defectuosos en cada muestra y se
registra, obteniéndosela siguiente tabla:
MUESTRA
No. UNID.
INSPECCIONADAS
No.
DEFECTUOSOS
1 45 1
2 45 6
3 45 4
4 45 8
5 45 3
6 45 5
7 45 0
8 45 4
9 45 8
10 45 5
11 45 3
12 45 2
13 45 6
14 45 7
15 45 1
TOTALES 675 63
Tabla 2. Ejemplo de muestra de datos para grafica n.
Si se tomara un solo tornillo, ¿cuáles la probabilidad de que
sea defectuoso?
En cada muestra, la fracción de defectuosos es:
N = Nº Defectuosos en Muestra i.
n = Número de elementos de la muestra.
Entonces, a partir de la tabla podemos calcular p como
promedio de las fracciones de defectuosos en la muestra.
P = ∑
=> P =
=> P = 0,093
![Page 6: Sintagma_GráficosDeControlParaAtributos](https://reader038.fdocuments.ec/reader038/viewer/2022100517/557202544979599169a358a9/html5/thumbnails/6.jpg)
Universidad Distrital Francisco José de Caldas. Martínez Medellín, Fabio Enrique; Torres Núñez, Carlos Alberto;
Sequera Pulido, Diego Armando. Gráficos de Control para Atributos (p, u, np, c)
Limites de control:
LCc = n P => LCc = 45 (0,093) => LCc = 4,2
LCc = np + 3√ LCi = np - 3√
LCs = 4,2 + 3√ LCi = 4, 2 - 3√
LCs = 4,2 + 3√ LCi = 4,2 – 5,855
LCs = 4,2 + 5,855 LCi = -1,655
LCs = 10,055 LCi = 0
Figura 6. Resultados ejemplo gráfica np.
C. GRÁFICA C PARA EL NÚMERO DE DEFECTOS.
Ahora se considerara las situaciones en las cuales la
observación en cada punto en el tiempo es el número de
defectos en una unidad. La unidad puede estar formada por
una sola pieza o un grupo de piezas. Se supone que el tamaño
del grupo es el mismo en cada punto del tiempo.
La grafica de control para el número de piezas defectuosas
esta basada en la distribución de probabilidad de Poisson. Si Y
es una variable aleatoria de Poisson con parámetro θ, entonces
E(Y) = θ σY = √
Del mismo modo Y tiene aproximadamente una
distribución normal cuando θ es grande (θ≥10 será suficiente
para la mayoría de los casos). Si Y1, Y2, …, Yn son variables
independientes de Poissson con parámetros θ1, θ2,… si θn.
θ1=…= θn= θ (la distribución del numero de defectos por pieza
es la misma para cada pieza), entonces el parámetro de
Poisson es ג = nθ.
Numero de defectos en una unidad
LCL = ג - √ג UCL = ג + √ג
Con xi igual al número total de defectos en la i-ésima
unidad (i= 1, 2, 3, …), se trazan puntos con alturas x1, x2, x3,
… en la gráfica.
Por lo general, el valor de ג debe estimarse de los datos.
Como E(Xi) = ג, es natural utilizar la estimación ג^ = x testada
(con base en x1, x2, xk).
La grafica c para el número de defectos en una unidad tiene
su línea central a una altura X y
LCL = X - 3√ UCL = X + 3√
Si LCL es negativo, se sustituye por 0.
Ejemplo. Una empresa fábrica paneles metálicos, a veces
aparecen fallas en el acabado de estos paneles, por lo cual la
compañía desea establecer una grafica de control para
encontrar el número de fallas. Los números de fallas de cada
uno de 24 paneles a los que se les hizo el muestreo a intervalos
regulares de tiempo son los siguientes:
7
1
0
9
1
2
1
3
6
1
3
7
5
11
8
10
1
3
9
2
1
1
0
6
8
3
1
2
7
11
1
4
10 Tabla 3. Ejemplo de muestra de datos para grafica c.
Con Σxi = 2,35 y 9,79 = 235/24 = X ג^ =
Los límites de control son:
LCL = 9,79 – 3√ = 0,40
UCL = 9,79 + 3√ = 19,18
El punto correspondiente al decimoquinto panel se
encuentra arriba del UCL, tras una investigación se encontró
que la pasta empleada en ese panel tenía una viscosidad baja,
al eliminar esta observación del conjunto de datos resulta
X = 214/23 = 9,30 y los nuevos límites de control.
LCL = 9,30 – 3√ = 0,15
UCL = 9,30 + 3√ = 18,45
Figura 7. Resultados ejemplo gráfica c.
![Page 7: Sintagma_GráficosDeControlParaAtributos](https://reader038.fdocuments.ec/reader038/viewer/2022100517/557202544979599169a358a9/html5/thumbnails/7.jpg)
Universidad Distrital Francisco José de Caldas. Martínez Medellín, Fabio Enrique; Torres Núñez, Carlos Alberto;
Sequera Pulido, Diego Armando. Gráficos de Control para Atributos (p, u, np, c)
D. GRÁFICA U PARA NÚMERO DE DEFECTOS POR
UNIDAD.
El gráfico u mide la cantidad de defectos o no
conformidades por unidad inspeccionada, en muestras o
subgrupos que pueden tener un tamaño variable. Es igual al
gráfico c excepto que la cantidad de defectos se expresa sobre
una base unitaria. Los gráficos u y c se utilizan en las mismas
situaciones excepto que el gráfico u puede utilizarse cuando la
muestra tiene más de una unidad.
Construcción:
1. Obtención de datos.
Los tamaños de muestra inspeccionados no deben ser
necesariamente constantes. No obstante, se requiere que los
tamaños de muestra no superen el + 25% del tamaño de
muestra promedio para mantener los mismos límites de
control. Anotar la cantidad de defectos encontrados (u) y el
tamaño de muestra (n) en la planilla. Graficar los valores de u
en el gráfico. En este punto es importante destacar, que el
valor de n se expresa en términos de unidades inspeccionadas.
En muchos casos, la muestra es una unidad de producto (ej.,
un televisor). En otros, la unidad inspeccionada es de 100
piezas. En este caso, el valor de n debe expresarse como la
cantidad de unidades de 100 piezas que fueron inspeccionadas.
2. Calcular los límites de control.
Los límites de control se ubican a + 3 desvíos estándar de la
media del proceso. Si el tamaño de una muestra excede el
valor del tamaño de muestra promedio en + 25%, se deberán
recalcular los límites de control para esta muestra, utilizando
la misma fórmula pero remplazando por n.
a. Calcular el promedio y desvío estándar del proceso.
I. Calcular la proporción de no conformidades de cada
muestra
II. Calcular el promedio de las no conformidades de
todas las muestras
III. Calcular la desviación estándar del promedio de no
conformidades
b. Calcular los límites de control. Los límites de control
se ubican a + tres (3) desvíos estándar de la media
del proceso. y si es negativo LCI=0.
c. Trazar los límites de control en el gráfico.
3. Analizar la estabilidad del proceso. Igual que el gráfico
de proporción defectuosa (p).
4. Analizar de la aptitud del proceso. Igual que el gráfico
de proporción defectuosa (p) excepto que la aptitud
estará determinada por el valor de la cantidad de
defectos promedio por unidad (u).’
Características:
Se controla el numero de no conformidades por unidad de
inspección. .
Unidad de inspección: entidad que se considera apropiada
para registrar conformidades.
u =
= número promedio de no conformidades por
unidad de inspección.
n = número de unidades de inspección en la muestra.
Si “n” es constante:
LSC = u + k.√
LC = u
LIC = u - k.√
Si “n” es variable:
Si varía poco usar límites
aproximados hallados con
n :
Si varía mucho usar
límites individuales:
Tabla 4. Ecuaciones para grafica u.
En ambos casos, si no se tiene un valor estándar de “u”
estimarlo con muestras preliminares:
se tendrán límites de prueba
El número de muestras preliminares suele estar entre 20 y 30.
Al igual que en los demás gráficos, cuando se trabaja con el
“n” promedio (hallado a partir de las muestras preliminares) y
un punto cae cerca de los límites aproximados, es conveniente
calcular los límites exactos antes de tomar decisiones.
![Page 8: Sintagma_GráficosDeControlParaAtributos](https://reader038.fdocuments.ec/reader038/viewer/2022100517/557202544979599169a358a9/html5/thumbnails/8.jpg)
Universidad Distrital Francisco José de Caldas. Martínez Medellín, Fabio Enrique; Torres Núñez, Carlos Alberto;
Sequera Pulido, Diego Armando. Gráficos de Control para Atributos (p, u, np, c)
V. CONCLUSION
Del desarrollo de los conceptos y ejemplos se puede observar
el enorme potencial que posee la utilización del Control
Estadístico de la calidad como instrumento y herramienta
destinada a un mejor control, una forma más eficaz de tomar
decisiones en cuanto a ajustes, un método muy eficiente de
fijar metas y un excepcional medio de verificar el
comportamiento de los procesos.
Los gráficos de control se presentan a fin de supervisar el
manejo de procesos y variables, mediante recopilación de
datos, análisis y optimización de unidades, plantas,
planificación de mantenimiento, control de calidad, inventario
entre otros.
Al presentar estos gráficos y los pasos para su elaboración se
destaca la interpretación de variables cualitativas que toman
valores numéricos. Dichos gráficos nos sirven como
herramienta para detectar variabilidad, consistencia, control y
mejora de los procesos al describir fracciones defectuosas
mediante, los gráficos de “P, “NP”, “C” y “U”, que se
presentan de analizar un número toral de unidades de un
colectivo.
Figura 8. Conclusión de Gráficas de Control de Atributos.
Identificando si la fracción es defectuosa o no podemos medir
resultados, retroalimentarnos, mediante factores de control,
analizar e implementar las mejoras de lugar al proceso o
producto, manteniendo el producto dentro de los estándares la
calidad, el tiempo, costo y calidad. Como meta final esta la
interpretación de los gráficos de control donde se espera que el
proceso conste de un patrón acorde a los estándares esperados
y por consiguiente se considere bajo control estadístico.
REFERENCES
[1] Goetsch, D. L. & Davis, S. B.; 2003. Quality Management. 4t Edition.
Prentice Hall.
[2] SIP I Methodology & tools training. [3] Control Estadistico de La Calidad by Vicente Carot Alonso, April
2001,Alfaomega Grupo Editor edition, Paperback in Spanish.
[4] Gutiérrez, H y De la Vara R. (2004). Control estadístico de calidad y seis sigma. México: Mc Graw Hill.
[5] Grant, E. L., y Otros,(1998) “Control Estadístico de la Calidad, 6a Ed.”,
CECSA, México. [6] Statistical Process Control SPC, (1995), Reference Manual, Ford,
Chrysler, GM.
[7] Gutierrez H.,(2005), ”Calidad Total y Productividad”, Mc Graw Hill, México.
[8] Duncan, A., (1990), “Control de Calidad y Estadística Industrial”, Alfaomega, México.
[9] Evans, J. R. (2000). “Administración y Control de la calidad”. Thomson
editores.