Domnguez Flores Mara Michel

CARTA DE CONTROL P
En la siguiente figura tenemos los datos de 24 muestras de producto producido
por turno. En la columna produccin tenemos el total de producto fabricado por
turno. La columna Producto Defectuoso nos indica el nmero de artculos
defectuosos por turno; la columna Nmero de Defectos nos indica el nmero de
defectos encontrados en la produccin de cada turno, ntese que por cada
turno el nmero de defectos es mayor o igual que el nmero de defectuosos,
ya que un artculo defectuoso puede tener uno o ms defectos. Finalmente
tenemos la columna de Fraccin Defectuosa, la fraccin defectuosa de un turno
se calcula dividiendo el nmero de productos defectuosos por la produccin de
ese turno, es decir, los valores de la columna D divididos por los valores de la
columna C.
los lmites de control de un grfico de
fraccin defectuosa con tamao de
muestra variable vienen dado por la
siguiente frmula:

Mientras que la fraccin defectuosa se

p barra, se calcula con la siguiente
frmula:

vemos que para calcular estos lmites

necesitamos el valor p barra, que es una estimacin de la fraccin defectuosa y
ni, que es el tamao de muestra de cada turno. Es decir, tendremos lmites de
control de diferentes tamaos, debido a que los tamaos de muestra son
variables.

El valor de p barra es entonces:

 Domnguez Flores Mara Michel

Entonces tenemos ya el valor de p barra y los valores de ni, los cuales son los
artculos producidos en cada turno (tamao de muestra), cuyos valores se
muestran en la columna C de la Figura 1. Ya con esto, calculamos los lmites de
control con las frmulas de la Figura 1. Los valores se muestran en las
columnas K, L y M de la siguiente figura.

por otra parte, en la columna J, de la figura anterior, tenemos la fraccin

defectuosa de cada muestra o turno, est se calcula para cada turno,
dividiendo el nmero de defectuosos del turno por el total de artculos
producidos.
Con los valores de las cuatro columnas de la Figura 4, podemos construir el
grfico de control. Reitero que en un post anterior que se encuentra aqu, se
muestra como se puede hacer este grfico de control.
Con los datos de la Figura 4, el grfico de control nos quedara as:
 Domnguez Flores Mara Michel

GRFICA DE CONTROL np

El ingeniero de calidad de una empresa toma muestras de la

produccin diaria con el objeto de elaborar una grfica np.

La tabla anexa muestra los rechazos encontrados y la cantidad de

piezas revisadas cada da. Si el nmero de rechazos de cierto da
excede los lmites de control el ingeniero debe inspeccionar al
100% el lote producido.

a) Determine los lmites de control y contruya la grfica

Lmites de control

p = x = 240 = 0.16854
i

n 1424
i

LSC = 0.168n + 3 n (0.168)(1-0.168)

i i i

LC = 0.168n
i i

LIC = 0.168n - 3 n (0.168)(1-0.168)

i i i
 Domnguez Flores Mara Michel

GRAFICA DE CONTROL C

Esta grfica controla si la media del nmero de defectos en una unidad

inspeccionada permanece constante

Todas las muestras son iguales a una unidad inspeccionada.

Puede ser una pieza, una caja de 12 piezas, un tramo de 100 mts. de tela o
1000 litros de pintura. Se usa comnmente en industrias de proceso
continuo, como

Industrial textil

Productos qumicos (lquidos)

Vidrio

Se asume que el nmero de defectos en una unidad inspeccionada es

una v.a. de Poisson que puede aproximarse por una Normal

Recurdese que en la grfica p

X : # de defectuosos en una muestra de tamao n Binomial (n,p)

En la fabricacin contnua no existen piezas producidas, por lo que

n y p 0 mantenindose = np constante.

Bajo estas condiciones

Binomial (n,p) Poisson ( = np )

Se acostumbra a llamar al parmetro como c.

 Domnguez Flores Mara Michel

Binomial (n,p) Poisson

( = np )
Sea p = / n

Sea X el nmero defectos observados en una unidad inspeccionada

Supongamos que X se puede modelar como una v.a. Poisson ( = c)
Entonces:
X Poisson (c) E(X) = c Var(X) = c
y los lmites de control son: E [X] 3 DS [X]
c 3c
La aproximacin normal a la Poisson es aceptable si c = > 5, y es mejor
cuanto mayor es
Los Lmites de control son: c 3 c (Poisson normal)
Si c no se conoce, se le estima a partir de m muestras
previas, con:
As los lmites de control son: 3
Ejemplo:
La tabla mostrada presenta el nmero de defectos
encontrados en un rollo de tela. Todos los rollos de
tela son de igual tamao. Construya una grfica c y
determine si el proceso est en control.
Solucin: Estimamos c a partir del total de defectos
c = 231 / 22 = 10.5 defectos por rollo
Los lmites de control resultan
c 3c
10.5 3
10.5
LSC = 20.22
LIC = 0.7789

GRFICA DE
CONTROL U
Sea X el nmero defectos en n unidades de inspeccin, y U = X / n el nmero
defectos en una unidad de inspeccin, entonces:
 Domnguez Flores Mara Michel

X Poisson (c) E(X) = c Var(X) = c

2
E(U) = c/n Var(U) = c/n
c c
3 2
n n
y los lmites de control son: E [U] 3 DS [U]
c c u
3 2 u 3
n n n
Sea entonces los lmites se expresan como:
m

x i
u i 1
m

u
n
i 1
i

Si no se conoce, se le estima a partir de m muestras previas:

Ejemplo: En una planta textil se inspecciona el producto controlando el
nmero de defectos por cada 50 m2 de tela (sta es la unidad de inspeccin).
En la tabla se muestran los datos de 10 rollos de tela de distinto tamao.
Construya una grfica u y determine si el proceso est en control.

u = 153 / 107.5 = 1.423

La lnea central de la grfica de control es igual al nmero promedio de
disconformidades por unidad de inspeccin (50 m2 de tela),
u = 153 / 107.5 = 1.423
es decir, en promedio, 1.423 defectos por cada 50 m 2 de tela.
Este es el parmetro que deseamos controlar. Los lmites de control resultan
entonces:
1.42
1.42 3
ni
los cuales varan segun el nmero de unidades de
inspeccin ni Por ejemplo, para el ltimo rollo (ui = 23 / 12.5 = 1.84), los
 Domnguez Flores Mara Michel

1.42
1.42 3
12.5
lmites de control son:

Carta de control Medias y Rangos

Paso 1: Colectar los datos. Variables a considerar. La eleccin se basa en el
propsito de reducir o impedir los rechazos, los costos, el desperdicio, el
reproceso, etc. Elegir algo que pueda ser medido y expresado en nmeros:
dimensiones, dureza, fragilidad, resistencia, peso, etc. Eleccin del tamao y la
frecuencia de la obtencin de los datos representativos. Los datos son el
resultado de la medicin de las caractersticas del producto, los cuales deben
de ser registrados y agrupados de la siguiente manera:
Se toma una muestra (subgrupo) de 2 a 10 piezas consecutivas (Shewhart
sugiere 4) sin embargo es muy comn utilizar 5 y se anotan los resultados de
la medicin. Durante un estudio inicial, los subgrupos pueden ser tomados
consecutivamente o a intervalos cortos para detectar si el proceso puede
cambiar o mostrar inconsistencia en breves periodos de tiempo. Algunos
recomiendan que el intervalo sea de a 2 hrs., ya que ms frecuentemente
puede representar demasiado tiempo invertido, y si es menos frecuente
pueden perderse eventos importantes que sean poco usuales.
Eleccin de cuantos subgrupos tomar.
Mientras menor sea el nmero de subgrupos que tomemos, ms pronto
tendremos una idea para actuar, pero menor ser la seguridad de que esta
base sea confiable. Es conveniente tener al menos 25 subgrupos; la
experiencia indica que las primeras muestras pueden no ser representativas de
lo que se mide posteriormente.
Paso 2: Calcular el promedio y Ri para cada subgrupo
 Domnguez Flores Mara Michel

Paso 3: Calcular el promedio de rangos y el promedio de promedios.

Paso 4: Calcular los lmites de control. Los lmites de control son calculados
para determinar la variacin de cada subgrupo, estn basados en el tamao de
los subgrupos y se calculan de la siguiente forma:

Paso 5: Trazar la grfica de control.

x
Una carta de control -R nos presenta dos grficos en una hoja, la grafica
x
superior es la de las medias y la grafica inferior es la de rangos R. En el
eje de las x se representa el nmero de subgrupos (se anotan los nmeros
cardinales que representan las muestras sucesivas). En el eje de las y se
representan los valores de las medias rangos segn corresponda a la grfica
que estemos trazando.
Para la grfica para las medias La grafica consiste en tres lneas de gua: Lmite
de control inferior LCLx, lnea central CLx y lmite de control superior UCLx. La
lnea central es el promedio de promedios y los dos lmites de control son
fijados ms o menos a tres desviaciones estndar. Cada subgrupo se identifica
en la grfica como un punto, un crculo o una cruz segn se establezca, cada
x
punto corresponde a un valor .

Para la grfica de Rangos La grafica consiste en tres lneas de gua: Lmite de

control inferior LCLRm, lnea central CLRm y lmite de control superior UCLRm. La
lnea central es el promedio de los rangos y los dos lmites de control son
fijados ms o menos a tres desviaciones estndar. Cada subgrupo se identifica
en la grfica como un punto, un crculo o una cruz segn se establezca, cada
punto corresponde a un valor Ri.
x
Cartas de control - s (Medias y desviaciones estndar)

x
El procedimiento para realizar las cartas de control - s es similar al de las
x
cartas de -R la diferencia consiste en que el tamao de la muestra puede
variar y es mucho ms sensible para detectar cambios en la media o en la
 Domnguez Flores Mara Michel

x
variabilidad del proceso. La grafica monitorea el promedio del proceso
para vigilar tendencias y la grafica s monitorea la variacin en forma de
desviacin estndar.
Paso 1: Colectar los datos. En este paso se siguen las mismas consideraciones
que en la construccin de los grficos, solo que aqu el tamao de muestra n es
recomendable que sea mayor a 9.
 Domnguez Flores Mara Michel

https://ingenieriaindustrialupvmtareasytrabajos.files.wordpress.com/2012/08/ca
rtas-de-control-por-variables.pdf
https://optyestadistica.wordpress.com/2009/04/11/ejemplo-grafico-de-control-
xbarra-r-de-medias-y-rangos/
Domnguez Flores Mara Michel
Domnguez Flores Mara Michel