Universidad Distrital Francisco Jos de Caldas.

Martnez Medelln, Fabio Enrique; Torres Nez, Carlos Alberto; Sequera Pulido, Diego Armando. Grficos de Control para Atributos (p, u, np, c)

Grficos de Control para Atributos (p, np, c, u)

Martnez Medelln Fabio Enrique, Cdigo: 20012020109, Torres Nez, Carlos Alberto, Cdigo: 20052020088, Sequera Pulido Diego Armando, Cdigo: 20052020083,
Universidad Distrital Francisco Jos de Caldas

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.

El objetivo bsico de una grfica de control es observar y analizar los datos estadsticos de la variabilidad y el comportamiento de un proceso a travs del tiempo. Los lmites 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 diseo del producto.

I. INTRODUCCIN el EL desarrollo de procedimientos adecuados para es estudio y control de los procesos productivos, fundamental para mantener un nivel ptimo de calidad en los productos. En este sentido, la Estadstica juega un papel importante en todas las actividades empresariales relacionadas con la calidad pues proporciona un amplio abanico de tcnicas que se pueden aplicar en el control de la misma. Aunque la expresin "control de la calidad" puede tener distintos enfoques se puede definir como el conjunto de las actividades tcnicas y administrativas mediante el cual se miden las caractersticas 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 estndar (Navarrete 1998: 18-19). Generalmente estas caractersticas suelen ser medibles, lo que hace posible su evaluacin y control. En otras palabras las caractersticas de calidad son, en realidad, variables aleatorias y se describen por una determinada distribucin de probabilidad. Este hecho, junto con la variabilidad que se presenta en los procesos productivos justifica la necesidad de utilizar la Estadstica en el control de la calidad.

II. ANTECEDENTES HISTRICOS La nocin del uso de las tcnicas de muestreo y anlisis estadstico en un ambiente de produccin tuvo sus inicios en la dcada de 1920. En 1924, Walter A. Shewart de los bell Telephone Laboratorios desarroll el concepto de una carta de control para distinguir entre la variacin normal, producto de causas aleatorias, y la variacin excesiva, cuyas causas se pueden determinar. El Dr. W. A. Shewhart consideraba que los costos no es lo ms importante, sino el surtir a tiempo grandes volmenes de produccin con las especificaciones que el mercado demanda, no hay tiempo de inspeccionar todos los productos que salen al final de la lneas de produccin. Adems, deca que no es posible obtener dos productos idnticos procedentes de una misma mquina ni predecir cmo ser el siguiente producto. Sobre sta base filosfica desarroll sus grficos de control, los cuales son una forma de observar y detectar el patrn de comportamiento de un proceso a travs de toda y cada una de sus partes, tomando as, acciones correctivas antes de que sea demasiado tarde. Los estudios de Shewart, se llevan a cabo a peticin de los ingenieros de Western Electric, que desde tiempo atrs realizan investigaciones relacionadas con los problemas de calidad de la planta de Hawthome. J.M. Juran se cuenta entre los miembros ms destacados de este grupo de profesionales, cuyo principal objetivo es obtener el mximo de informacin de un mnimo de datos inspeccionados. Para lograrlo, encargan a los Laboratorios de la Bell Telephone la elaboracin de un mtodo de presentacin y anlisis 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 Econmic Control of Quality of Manufactured Products (Control Econmico de Calidad de Productos Manufacturados).

Sintagma Gnoseolgico recibido Mayo 16, 2012. Grficos de Control para Atributos (p, u, np, c); Martnez Medelln, Fabio Enrique fue el autor de este sintagma gnoseolgico, estudiante de noveno semestre del proyecto curricular de Ingeniera de Sistemas de la Universidad Distrital Francisco Jos de Caldas, Bogot DC, Colombia (e-mail: Fabio_martin_ez@hotmail.com) Torres Nez, Carlos Alberto fue el autor de este sintagma gnoseolgico, estudiante de noveno semestre del proyecto curricular de Ingeniera de Sistemas de la Universidad Distrital Francisco Jos de Caldas, Bogot DC, Colombia (e-mail: kazthor@gmail.com) Sequera Pulido Diego Armando fue el autor de este sintagma gnoseolgico, estudiante de dcimo semestre del proyecto curricular de Ingeniera de Sistemas de la Universidad Distrital Francisco Jos de Caldas, Bogot DC, Colombia (e-mail: m598lmr@gmail.com)

Universidad Distrital Francisco Jos de Caldas. Martnez Medelln, Fabio Enrique; Torres Nez, Carlos Alberto; Sequera Pulido, Diego Armando. Grficos de Control para Atributos (p, u, np, c) Durante la depresin de los aos 30, el Control estadstico de la calidad no pasa de ser una curiosidad cientfica; 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 tcnica, y muchos son el resultado de los trabajos del Dr. Shewhart, como presidente del Comit de Desarrollo y Aplicaciones de la Ingeniera Estadstica y de manufactura. En 1933, se publica el manual de presentacin de datos de la ASTM (American Society for Testing Materials), bajo la direccin de Harold F. Dodge. Ms adelante, en 1938, aparece el suplemento A, que presenta los Lmites de incertidumbre de la desviacin Observada y el suplemento B, Mtodo de las Cartas de Control del Anlisis de la presentacin de Datos. En Inglaterra, Tippet propone la utilizacin de un cuadro de escalas, en lugar de aplicar la desviacin estndar como medida de la variabilidad, Su primer trabajo sobre el tema se publica en 1925 y todo el sustento terico sobre el desarrollo de conversin de escalas para los lmites de control de los cuadros promedio y escalas (X,R) aparecen en 1935, como parte del Estndar britnico 600 y en La aplicacin de los Mtodos Estadsticos a la estandarizacin de la industria y el Control de Calidad. Los estudios de Tippet simplifican en gran medida los clculos necesarios para elaborar un cuadro de control, a pesar de lo cual, sus teoras slo se llevan a la prctica despus de la Segunda Guerra Mundial. En el transcurso de la Segunda Guerra Mundial, aparecen varias publicaciones, la ms importante de las cuales es el Mtodo de Inspeccin de Muestra de Dodge y Roming, artculo que se edita por primera vez en el mes de Octubre de 1939, en la revista tcnica del Sistema Bell. En el ejemplar de Enero del siguiente ao de la misma revista, se publican las Tablas de Inspeccin de Muestreo Sencillo. Los dos artculos son los antecedentes de la publicacin, en 1944, de la obra de Dodge y Roming, Tablas de Inspeccin por Muestreo. En diciembre de 1940, el departamento de guerra de los estados unidos, encarga a la asociacin Americana de Estndares la elaboracin de un proyecto sobre la aplicacin de los mtodos estadsticos al control de calidad de los materiales y de los productos terminados. Para esto, la Asociacin forma una comisin tcnica de emergencia, bajo la direccin de Dodge, en tal comisin se cuenta con la colaboracin de W. Edwards Deming de la oficina del Censo, la ayuda del general de Divisin Leslie E. Simon, quien trabaja en ese entonces en el departamento de Ordenanza del Ejrcito y por ltimo de Ralph E. Warchman, de la general Electric; el resultado de los trabajos de la comisin es la publicacin de los estndares de guerra americanos Z1.1 y Z1.2 en mayo de 1941 ( Gua para el control de calidad y mtodos de los diagramas de control para el anlisis de datos) y del Z1.3 en abril de 1942 (Mtodo de diagramas de control, para el control de calidad durante la produccin). Sin embargo, no fue sino hasta la II Guerra Mundial que se extendi el uso del Control estadstico de la Calidad. Esto se debi a la importancia de mantener la calidad en los procesos de produccin durante ese periodo. En los aos 1950s y 1960s, el desarrollo del control de calidad y el rea general de aseguramiento de calidad creci con rapidez, sobre todo debido al surgimiento del programa especial en los Estados Unidos. En 1948 La Sociedad Japonesa de Cientficos e Ingenieros invitan al Dr. Deming para que ofrezca sus conferencias, las cuales se imparten en 1950, a partir de ah se inicia la aplicacin de los mtodos de Control Estadstico 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 direccin de las industrias americanas, que no aplican estos mtodos. Ms recientemente en 1991, con el desarrollo de las Tcnicas estadsticas de Control, Quesenberry presenta las grficas Q para cuando los procesos tienen la naturaleza de corridas cortas, las cuales controlan caractersticas para los cuales se desarrolla una estandarizacin de variables. Tambin presenta las grficas Q para cuando los procesos tienen la naturaleza de corridas cortas, las cuales controlan variables con parmetros p de una Distribucin Binomial; que presenta una estandarizacin de estos parmetros por medio de Distribuciones Poisson y Binomiales. Adems, Quesenberry presenta las grficas Q para cuando los procesos tienen la naturaleza de corridas cortas, las cuales controlan variables con parmetros de una Distribucin de Poisson; que representa una estandarizacin de estos parmetros por medio de Distribuciones de Poisson y Binomiales. Wheeler en 1991 propone Grficas de Control para Corridas Cortas clasificadas en: Grficas de Diferencias para individuos y datos agrupados y Grficas Zed (Grfica Z) para individuos y datos agrupados, y presenta tambin una modificacin de la Grfica Zed que es la Grfica Zed Star para individuos y datos agrupados. En 1992, Farnum propone una modificacin a la Grfica de diferencias (Desviacin de Nominal) en corridas cortas, cuando se presentan varianzas que difieren unas de otras o que no son parecidas, introduce modelos para sistemas de medicin con errores y variacin en el proceso. Crowder en 1992, propone una manera ms econmica de controlar el proceso que modifica los lmites de control para cuando se tienen corridas cortas, aadiendo que se incurre en un costo menor que cuando se utilizan lmites de control para poblaciones infinitas. En 1993, Pyzdek presenta Grficas de Control para corridas cortas que se pueden hacer con diferentes mtodos de obtencin de resultados, como el Mtodo exacto, El Mtodo de las Grficas de Valor de Cdigos y el Mtodo de Grficas de Control Estabilizadas para Variables; adems de presentar Grficos de Control para Atributos para corridas cortas, que se dividen en: Grficas de Control de Atributos Estabilizadas y Grficas de Control de Demritos.

Universidad Distrital Francisco Jos de Caldas. Martnez Medelln, Fabio Enrique; Torres Nez, Carlos Alberto; Sequera Pulido, Diego Armando. Grficos de Control para Atributos (p, u, np, c) o donde se cuenta el nmero de no conformidades que tienen los productos analizados. III. GRFICAS DE CONTROL Las grficas de control son una herramienta estadstica 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 travs de pasos vitales. Las 3 aplicaciones bsicas de las grficas de control son: 1. 2. 3. Establecer un estado de control estadstico. Vigilar un proceso y avisar cuando el proceso se salga de control. Determinar la capacidad del proceso. p (P, proporcin de artculos defectuosos) u (U, N de defectos por unidad) np (NP, N de unidades defectuosas) c (C, N de defectos)

Para utilizar y desarrollar las grficas de control seguimos los siguientes pasos: Paso 1: Establecer los objetivos del control estadstico del proceso. Paso 2: Identificar las caractersticas a controlar. Paso 3: Determinar el tipo de grfico a utilizar. Paso 4: Establecer el plan de muestreo. Paso 5: Recoger los datos segn el plan. Paso 6: Dependiendo del tipo de grfica a realizar: a. Calcular la fraccin de unidades no conformes p. b. Registrar el nmero de unidades no conformes np. c. Calcular el n de disconformidades por unidad u d. Registrar el n de disconformidades c. Paso 7: Calcular los limites de control. Paso 8: Definir las Escalas del grfico. Paso 9: Representar en el grfico la lnea central y los limites de control. Paso 10: Incluir los datos de la muestra en el grfico. Paso 12: Anlisis y Resultados.

Figura 1. Clasificacin de las grficas de control.

A. GRFICA P PARA FRACCIN DE DEFECTOS. Cuando un proceso esta en control, la probabilidad de que cualquier pieza sea defectuosa es p (p es la proporcin a largo plazo de piezas defectuosas para un proceso en control) y que diferentes piezas son independientes entre si, con respecto a sus condiciones. Considrese una muestra de n piezas obtenida en un tiempo en particular, y sea X el numero de defectuosas y p = X/n. como X tiene una distribucin binomial, E(X) = np y V(X) = np (1- p), por lo cual

IV. TIPOS DE GRFICAS DE CONTROL Existen dos tipos primordiales de grficas de control y son: Grficas de control para variables. Grficas de control para atributos.

Del mismo modo, si np10 y n(1- p) 10, p tiene aproximadamente una distribucin normal. En el caso de que p conocida (o una grafica basada en un valor fijo), los limites de control son

Grficas de control para variables: Diagramas que se aplican a variables o caractersticas de calidad de tipo continuo (pesos, voltajes, volmenes, longitudes, humedad, etc.) X (Xbarra, de medidas individuales) R (R, de rangos) S (R, de desviacin estndar) X (Xbarra, de promedios) Grficas de control para atributos: Diagramas que se aplican al control de caractersticas de calidad del tipo pasa, no pasa

Si cada muestra esta formada por n piezas, el nmero de piezas defectuosas de la i-sima muestra es x i/n, entonces p1, p2, p3, . . . se trazan en la grafica de control. Por lo general, el valor de p puede estimarse de los datos. Supngase que se dispone de k muestras de lo que se piensa es un proceso de control, y sea

Universidad Distrital Francisco Jos de Caldas. Martnez Medelln, Fabio Enrique; Torres Nez, Carlos Alberto; Sequera Pulido, Diego Armando. Grficos de Control para Atributos (p, u, np, c) La estimacin se utiliza en lugar de P , en los limites de control antes citados. La grafica p para la fraccin de piezas defectuosas tiene su lnea central en la altura P y limites de control. Por lo tanto el LCL se iguala a 0. La grafica de control muestra que todos los puntos estn dentro de los lmites de control. Esto es congruente con la suposicin de un proceso en 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 das sucesivos, y cada una se examina para ver si tiene defectos. Los nmeros resultantes de tazas no aceptables y sus correspondientes proporciones mustrales son los siguientes:
Figura 2. Ejemplo de Grfica np.

da (i) 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25

Xi 7 4 3 6 4 9 6 7 5 3 7 8 4 6 2 9 7 6 7 11 6 7 4 8 6

pi 0,07 0,04 0,03 0,06 0,04 0,09 0,06 0,07 0,05 0,03 0,07 0,08 0,04 0,06 0,02 0,09 0,07 0,06 0,07 0,11 0,06 0,07 0,04 0,08 0,06

Segundo, es una de las metodologas 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 prcticas de los 12. B. GRFICA NP PARA EL NMERO DE DEFECTUOSAS. Esta grfica es el instrumento estadstico que se utiliza cuando se desea graficar precisamente las unidades disconformes, y no el porcentaje que stas representan, siendo constante el tamao dela muestra. Es necesario establecer la frecuencia para la toma de datos, teniendo en cuenta que los intervalos cortos permiten una rpida retroalimentacin del proceso.

Figura 3. Ejemplo de muestra N grfica np.

Tabla 1. Ejemplo de muestra de datos para grfica n.

Supngase que el proceso estuvo en control durante este periodo, establezca lmites de control y construya una grafica p, se tiene que pi = 1.52, dando: P = 1.52/25=.068 y
LCL = 0,0608 - 3 LCL = 0,0608 + 3 = 0,0608 0,0717 = -0,0109 = 0,0608 + 0,0717 = 0,1325

Los principales objetivos de las grficas np son conocer las causas que contribuyen al proceso y Obtener el registro histrico de una o varias caractersticas de una operacin con el proceso productivo. Las caractersticas de las grficas np son: Se lleva el control del nmero de unidades o artculos defectuosos en la muestra en lugar de la proporcin o porcentaje. Tiene como base la distribucin binomial. El tamao de muestras (nmero de unidades

Universidad Distrital Francisco Jos de Caldas. Martnez Medelln, Fabio Enrique; Torres Nez, Carlos Alberto; Sequera Pulido, Diego Armando. Grficos 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 trminos dela ocurrencia de disconformes. Como solo se requiere un conteo, los clculos son ms sencillos. Los resultados de una inspeccin se pueden llevar directamente a la grfica sin necesidad de hacer clculos muy complicados. Si vara el tamao de la muestra, la lnea central y los limites de control tambin varan, deben ser recalculados. Este resultado se anota en un grfico hora por hora y se denomina Grfico np. 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 ya sabemos, el promedio de la poblacin es n. p y la varianza es n. p(1-p). Para la construccin del grfico de control np, en una primera etapa se toman N muestras (ms de 20 25) a intervalos regulares, cada una con n tornillos. Se toma el nmero de defectuosos en cada muestra y se registra, obtenindosela siguiente tabla:

MUESTRA 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 TOTALES

No. UNID. INSPECCIONADAS 45 45 45 45 45 45 45 45 45 45 45 45 45 45 45 675

No. DEFECTUOSOS 1 6 4 8 3 5 0 4 8 5 3 2 6 7 1 63

Tabla 2. Ejemplo de muestra de datos para grafica n.

Si se tomara un solo tornillo, cules la probabilidad de que sea defectuoso?

Figura 4. Diagrama del proceso.

En cada muestra, la fraccin de defectuosos es: Ejemplo: Un inspector se coloca al final de la lnea de produccin de tornillos, y cada hora retira una muestra de n = 45 tornillos, comprueba que cada uno enrosque, en la rosca calibrada y anota el nmero de defectuosos. El resultado, slo tiene dos posibilidades: Defectuoso-No Defectuoso ( Conforme-Disconforme). Si el tornillo no entra en la rosca, se lo considera defectuoso o disconforme.

N = N Defectuosos en Muestra i. n = Nmero 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 =
Figura 5. Ejemplo flujo grfica np.

=> P =

=> P = 0,093

Universidad Distrital Francisco Jos de Caldas. Martnez Medelln, Fabio Enrique; Torres Nez, Carlos Alberto; Sequera Pulido, Diego Armando. Grficos de Control para Atributos (p, u, np, c) Limites de control: Por lo general, el valor de debe estimarse de los datos. Como E(Xi) = ,es natural utilizar la estimacin = ^x testada (con base en x1, x2, xk). La grafica c para el nmero de defectos en una unidad tiene su lnea central a una altura X y LCL = X - 3 UCL = X + 3

LCc = n P => LCc = 45 (0,093) => LCc = 4,2

LCc = np + 3

LCi = np - 3 LCi = 4, 2 - 3

LCs = 4,2 + 3

LCs = 4,2 + 3 LCs = 4,2 + 5,855 LCs = 10,055

LCi = 4,2 5,855 LCi = -1,655 LCi = 0

Si LCL es negativo, se sustituye por 0. Ejemplo. Una empresa fbrica paneles metlicos, a veces aparecen fallas en el acabado de estos paneles, por lo cual la compaa desea establecer una grafica de control para encontrar el nmero de fallas. Los nmeros de fallas de cada uno de 24 paneles a los que se les hizo el muestreo a intervalos regulares de tiempo son los siguientes: 1 0 9 1 2 1 0 1 3 6 1 3 3

7 1 3

9 2 1

6 8

7 1 2

5 7

11 11

8 1 4

10 10

Tabla 3. Ejemplo de muestra de datos para grafica c.

Figura 6. Resultados ejemplo grfica np.

Con xi = 2,35 y 9,79 = 235/24 = X = ^ Los lmites de control son: LCL = 9,79 3 UCL = 9,79 + 3 = 0,40 = 19,18

C. GRFICA C PARA EL NMERO DE DEFECTOS. Ahora se considerara las situaciones en las cuales la observacin en cada punto en el tiempo es el nmero de defectos en una unidad. La unidad puede estar formada por una sola pieza o un grupo de piezas. Se supone que el tamao del grupo es el mismo en cada punto del tiempo. La grafica de control para el nmero de piezas defectuosas esta basada en la distribucin de probabilidad de Poisson. Si Y es una variable aleatoria de Poisson con parmetro , entonces

El punto correspondiente al decimoquinto panel se encuentra arriba del UCL, tras una investigacin se encontr que la pasta empleada en ese panel tena una viscosidad baja, al eliminar esta observacin del conjunto de datos resulta X = 214/23 = 9,30 y los nuevos lmites de control.

E(Y) =

Y =
LCL = 9,30 3 = 0,15 = 18,45 UCL = 9,30 + 3

Del mismo modo Y tiene aproximadamente una distribucin normal cuando es grande (10 ser suficiente para la mayora de los casos). Si Y1, Y2, , Yn son variables independientes de Poissson con parmetros 1, 2, si n. 1== n= (la distribucin del numero de defectos por pieza es la misma para cada pieza), entonces el parmetro de Poisson es = n. Numero de defectos en una unidad LCL = - UCL = +

Con xi igual al nmero total de defectos en la i-sima unidad (i= 1, 2, 3, ), se trazan puntos con alturas x1, x2, x3, en la grfica.

Figura 7. Resultados ejemplo grfica c.

Universidad Distrital Francisco Jos de Caldas. Martnez Medelln, Fabio Enrique; Torres Nez, Carlos Alberto; Sequera Pulido, Diego Armando. Grficos de Control para Atributos (p, u, np, c) Caractersticas: D. GRFICA U PARA NMERO DE DEFECTOS POR UNIDAD. El grfico u mide la cantidad de defectos o no conformidades por unidad inspeccionada, en muestras o subgrupos que pueden tener un tamao variable. Es igual al grfico c excepto que la cantidad de defectos se expresa sobre una base unitaria. Los grficos u y c se utilizan en las mismas situaciones excepto que el grfico u puede utilizarse cuando la muestra tiene ms de una unidad. Construccin: 1. Obtencin de datos. Se controla el numero de no conformidades por unidad de inspeccin. . Unidad de inspeccin: entidad que se considera apropiada para registrar conformidades.

u = = nmero promedio de no conformidades por

unidad de inspeccin. n = nmero de unidades de inspeccin en la muestra. Si n es constante: LSC = u + k. LC = u LIC = u - k. Si n es variable: Si vara poco usar lmites aproximados hallados con n : Si vara mucho usar lmites individuales:

Los tamaos de muestra inspeccionados no deben ser necesariamente constantes. No obstante, se requiere que los tamaos de muestra no superen el + 25% del tamao de muestra promedio para mantener los mismos lmites de control. Anotar la cantidad de defectos encontrados (u) y el tamao de muestra (n) en la planilla. Graficar los valores de u en el grfico. En este punto es importante destacar, que el valor de n se expresa en trminos 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 lmites de control.

Los lmites de control se ubican a + 3 desvos estndar de la media del proceso. Si el tamao de una muestra excede el valor del tamao de muestra promedio en + 25%, se debern recalcular los lmites de control para esta muestra, utilizando la misma frmula pero remplazando por n. a. Calcular el promedio y desvo estndar del proceso. I. Calcular la proporcin de no conformidades de cada muestra II. Calcular el promedio de las no conformidades de todas las muestras III. Calcular la desviacin estndar del promedio de no conformidades b. Calcular los lmites de control. Los lmites de control se ubican a + tres (3) desvos estndar de la media del proceso. y si es negativo LCI=0. c. Trazar los lmites de control en el grfico. 3. Analizar la estabilidad del proceso. Igual que el grfico de proporcin defectuosa (p). Analizar de la aptitud del proceso. Igual que el grfico de proporcin defectuosa (p) excepto que la aptitud estar determinada por el valor de la cantidad de defectos promedio por unidad (u).

Tabla 4. Ecuaciones para grafica u.

En ambos casos, si no se tiene un valor estndar de u estimarlo con muestras preliminares:

se tendrn lmites de prueba

El nmero de muestras preliminares suele estar entre 20 y 30. Al igual que en los dems grficos, cuando se trabaja con el n promedio (hallado a partir de las muestras preliminares) y un punto cae cerca de los lmites aproximados, es conveniente calcular los lmites exactos antes de tomar decisiones.

4.

Universidad Distrital Francisco Jos de Caldas. Martnez Medelln, Fabio Enrique; Torres Nez, Carlos Alberto; Sequera Pulido, Diego Armando. Grficos de Control para Atributos (p, u, np, c)
[8] Duncan, A., (1990), Control de Calidad y Estadstica Industrial, Alfaomega, Mxico. [9] Evans, J. R. (2000). Administracin y Control de la calidad. Thomson editores.

V. CONCLUSION Del desarrollo de los conceptos y ejemplos se puede observar el enorme potencial que posee la utilizacin del Control Estadstico de la calidad como instrumento y herramienta destinada a un mejor control, una forma ms eficaz de tomar decisiones en cuanto a ajustes, un mtodo muy eficiente de fijar metas y un excepcional medio de verificar el comportamiento de los procesos. Los grficos de control se presentan a fin de supervisar el manejo de procesos y variables, mediante recopilacin de datos, anlisis y optimizacin de unidades, plantas, planificacin de mantenimiento, control de calidad, inventario entre otros. Al presentar estos grficos y los pasos para su elaboracin se destaca la interpretacin de variables cualitativas que toman valores numricos. Dichos grficos nos sirven como herramienta para detectar variabilidad, consistencia, control y mejora de los procesos al describir fracciones defectuosas mediante, los grficos de P, NP, C y U, que se presentan de analizar un nmero toral de unidades de un colectivo.

Figura 8. Conclusin de Grficas de Control de Atributos.

Identificando si la fraccin 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 estndares la calidad, el tiempo, costo y calidad. Como meta final esta la interpretacin de los grficos de control donde se espera que el proceso conste de un patrn acorde a los estndares esperados y por consiguiente se considere bajo control estadstico.

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] Gutirrez, H y De la Vara R. (2004). Control estadstico de calidad y seis sigma. Mxico: Mc Graw Hill. [5] Grant, E. L., y Otros,(1998) Control Estadstico de la Calidad, 6a Ed., CECSA, Mxico. [6] Statistical Process Control SPC, (1995), Reference Manual, Ford, Chrysler, GM. [7] Gutierrez H.,(2005), Calidad Total y Productividad, Mc Graw Hill, Mxico.