Anda di halaman 1dari 51

CONTROL Y MEJORA DE UN PROCESO. GRFICOS DE CONTROL. CONTROL ESTADSTICO DE PROCESOS. SPC 1. INTRODUCCIN.

Mientras el Dr. Walter Shewhart de los Laboratorios Bell estudiaba datos de procesos en la dcada de los aos 20, distingui por primera vez entre variaciones controladas e incontroladas, debido a lo que llamamos causas especiales. Desarroll un sencillo pero poderoso instrumento para distinguir dinmicamente entre las dos: el grfico de control.

Desde entonces, los grficos de control han sido utilizados con xito en una amplia variedad de situaciones de control de procesos. La experiencia ha demostrado que los grficos de control dirigen efectivamente la atencin hacia las causas especiales de variacin y a la magnitud de la variacin de causas comunes que se deben reducir mediante actuacin por parte de la direccin.

TIPOS DE GRFICOS DE CONTROL

Los grficos de control pueden ser de dos tipos segn la caracterstica del producto o servicio a analizar: Grficos de control por variables y grficos de control por atributos.

En los grficos de control por variables, el control del proceso se realiza mediante variables susceptibles de ser medidas: cantidades, pesos, dimetros, espesores, frecuencias, etc. En ellos se analizarn parmetros de centraje y dispersin de la caracterstica a controlar a lo largo del tiempo. El grfico, que analiza la media muestral y el rango de una muestra predeterminada, es el ms utilizado en este mbito.

En los grficos de control por atributos, el control del proceso se realiza mediante atributos de tipo dicotmico. As, se puede analizar si el producto o servicio posee o no una determinada caracterstica (atributo): color, forma, defecto, tipo, etc. Y en general se aborda dicho anlisis mediante preguntas del tipo: aceptable/no aceptable, si/no, funciona/no funciona, etc.

Los principales grficos por atributos, son: los que controlan nmero de unidades defectuosas: "p" y "np", y los que controlan el nmero de defectos "c" y "u". Su estudio se abordar posteriormente.

En general se prefiere el control por variables, ya que la informacin recogida es ms objetiva (son medidas de una caracterstica) y representa ms fiablemente el estado del proceso en trminos de la caracterstica que se intenta controlar; mxime, si se tiene en cuenta que para realizar el control, el nmero de "piezas" observadas (que constituyen la muestra) es muy pequeo comparado con la poblacin de la que provienen y que permiten establecer la capacidad del proceso. As, estos grficos nos informan ms fiablemente acerca de la variacin que sufre la caracterstica que se mide a lo largo del tiempo y de la magnitud de esa variacin. Por otra parte, los grficos de control por atributos slo nos dan una indicacin de la aceptabilidad de la muestra, sin informar de la variacin producida por la caracterstica y adems, por lo general requieren para su construccin tamaos muestrales mayores. As, si la caracterstica que se pretende controlar es muy importante (por ejemplo, por ser componentes de precisin) se emplearn los grficos de control por variables.

GRFICOS DE CONTROL POR VARIABLES.


Los grficos de control por variables en general nos permitirn mediante muestras de pequeo tamao (3, 4 5 piezas) tomadas en la propia mquina, prever dentro de que lmites un proceso est dentro de control. Es decir, se trata de controlar el proceso vigilando las variables ms significativas de los productos fabricados; para ello se usan tcnicas estadsticas aceptando que los errores siguen una distribucin normal.

Los grficos de control por variables se deben utilizar cuando se precise controlar una dimensin o caracterstica concreta de un producto en el que se estn produciendo defectos o cuando no estamos seguros de que el proceso con el que se fabrican estos productos sea el adecuado. El control por variables tiene como ventajas a destacar que el operario recibe informacin de la calidad de su trabajo y puede contrastarla con los objetivos perseguidos, adems se puede prever la aparicin de piezas defectuosas, as como detectar que un proceso es el adecuado para fabricar una determinada pieza analizando tambin la evolucin del propio proceso.

2. GRFICO

X R

Este grfico trata de mostrarnos la distribucin que siguen en el X tiempo los estimadores (media) y R (rango), identificativos del valor central y la dispersin de los valores de cada muestra extrada. Los valores de estos estimadores variarn de una muestra a otra en el proceso de inspeccin; por tanto, lo que nos interesar predecir, son los lmites entre los que variarn dichos estimadores, supuesto que el proceso est bajo control (esto es, cuando no existen causas especiales que distorsionen el proceso).

El procedimiento que debe seguirse para su construccin exige contar con una hoja de recogida de datos, en la que se indicar el tamao de las muestras, la frecuencia con que deben tomarse y el nmero de muestras necesarias para obtener cierta significacin estadstica en nuestro estudio.

El tamao de la muestra se elegir de modo que la variacin entre las medidas de las unidades observadas sea lo menor posible. Conviene que este tamao sea reducido y constante para todas las muestras que se tomen. Suelen tomarse muestras de tamao 5, de extraccin consecutiva, para que todas las unidades que componen la muestra tengan un comportamiento lo ms homogneo posible.

Respecto a la frecuencia de extraccin de muestras, no se ha de perder de vista el propsito general de los grficos de control por variables, que es detectar los cambios que se originan en el proceso a lo largo del tiempo. Por eso la frecuencia de extraccin debe facilitar esa tarea de deteccin, de modo que si se prev una elevada variabilidad de la medida en el proceso, los intervalos de extraccin deben ser cortos.

De cada una de las muestras se van a vigilar dos valores: uno es la media y el otro el rango (diferencia entre el mayor valor y el menor de los datos de la muestra). Puede admitirse que cada uno de estos dos valores sigue una distribucin normal a lo largo del proceso de muestreo, es decir:

X N ( X , X ) R N (R, R )

Adems, la relacin que existe entre las desviaciones de estas distribuciones, la desviacin estndar de la poblacin (), y el rango medio ( R ) es:

X =

R d2 n

d3 R = d 3 = R d2

donde d2, d3 son coeficientes cuyo valor depende del tamao de cada muestra. Para vigilar los valores de media y rango, se han de establecer los denominados lmites de control de medias y rangos. Los lmites de control de un grfico nos denotarn las cotas superior e inferior que pueden tomar los valores que se plasman en el grfico, de modo que la desviacin respecto a su valor medio sea como mximo de 3 desviaciones estndar. Y esto suponiendo que la variacin del valor del estimador que se controla, es debida exclusivamente a causas comunes.

As, los lmites de control para la media, se establecern como sigue:

LC X = X 3 X = X

3 d2 n

R = X A2 R

LCS X = X + A2 R LCI X = X A2 R

Lo mismo, para los rangos:

LC R = R 3 R

d d = R 3 3 R = (1 3 3 ) R d2 d2

LCS R = D 4 R LCI R = D3 R

los valores A2, D3, y D4 tambin dependen del tamao de la muestra (ver tabla siguiente.)

n d2 d3 A2 D3 D4 L F A3 B3 B4

2 1.128 0.853 1.880 0 3.267 2.659 0.779 2.660 0 3.270

3 1.693 0.888 1.023 0 2.575 1.772 0.749 1.950 0 2.570

4 2.059 0.880 0.729 0 2.282 1.457 0.728 1.630 0 2.270

5 2.326 0.864 0.577 0 2.115 1.289 0.712 1.430 0 2.090

6 2.534 0.848 0.483 0 2.004 1.183 0.700 1.290 0.030 1.970

7 2.704 0.833 0.419 0.076 1.924 1.109 0.690 1.180 0.120 1.880

8 2.847 0.820 0.373 0.136 1.864 1.053 0.680 1.100 0.190 1.820

9 2.970 0.808 0.337 0.184 1.816 1.010 0.673 1.030 0.240 1.760

10 3.078 0.797 0.308 0.223 1.777 0.974 0.666 0.980 0.280 1.750

Tabla: Coeficientes para distintos tamaos de muestra "n"

LVN = 3 X 3

R = X LR d2

LVNS = X + L R LVNI = X L R

Condicin 1:

[LVN LT ]

INTERPRETACIN DEL GRFICO ( X R )

Desde el punto de vista del control y mejora del proceso, no basta con saber construir los grficos de control; es necesario saber interpretarlos, con el fin de averiguar lo que le est sucediendo al proceso en el transcurso del tiempo: causas de variacin especiales, sesgos, tendencias, etc.

Antes de aceptar los grficos anteriores para el control futuro, es necesario comprobar que el proceso esta bajo control estadstico, lo cual ocurre cuando: - Ninguno de los valores del Rango queda fuera de los limites de control de Rango. - Ninguna de las Medias esta fuera de los limites de control de las Media. - No haya mas de seis valores de las Medias, en muestras consecutivas que estn al mismo lado de la gran media. - No haya dos Medias seguidas fuera de los limites de advertencia, (estos se toman con una amplitud de dos veces la desviacin tpica). - En siete muestras consecutivas no puede haber mas de dos Medias fuera y del mismo lado de los limites de advertencia.

Si se cumple todo lo anterior, indicara que los valores hallados son representativos del proceso y pueden usarse en el futuro para el control del mismo. Si alguna de las condiciones no se cumple, no se podran usar y habra que estudiar cual es el motivo y corregirlo. Veamos unos ejemplos de los grficos anteriormente descritos:

Grfico con puntos fuera de control.

Puede ser que el proceso esta bajo control, pero se note un progresivo empeoramiento.

Cuando todos los puntos estn muy cerca de la lnea central, sobre 1,5 * , no indican que estemos con un buen control, sino que estamos mezclando informacin lo que nos da unos mrgenes muy amplios, entonces ha de revisarse la manera de hacer los subgrupos.

Tambin puede considerarse anormal que se note un cierto ordenamiento en los puntos, aunque estos estn dentro de las lneas de control, por ejemplo mismas subidas y bajadas. Recurdese que para que un proceso este bajo control las nicas causas que pueden influir en l, son las debidas al azar.

3. EJEMPLO DE GRAFICOS X-R. A continuacin se muestra la representacin del grfico () correspondiente a los datos de 25 muestras x1 de tamao 5 de los dimetros de x3 x2 x4 x3 x5 x4 piezas. determinadas x5 x1 x2
001 002 003 004 005 006 007 008 009 010 011 012 013 014 015 016 017 018 019 020 021 022 023 024 025 001 10.440 10.500 10.450 10.440 10.520 10.440 10.500 10.450 10.440 10.520 002 10.640 10.530 10.600 10.520 10.510 10.640 10.530 10.600 10.520 10.510 003 10.550 10.510 10.470 10.450 10.420 10.550 10.510 10.470 10.450 10.420 004 10.530 10.520 10.560 10.590 10.600 10.530 10.520 10.560 10.590 10.600 005 10.520 10.430 10.440 10.460 10.500 10.520 10.430 10.440 10.460 10.500 006 10.450 10.460 10.610 10.480 10.550 10.450 10.460 10.610 10.480 10.550 007 10.530 10.610 10.480 10.400 10.480 10.530 10.610 10.480 10.400 10.480 008 10.450 10.500 10.450 10.530 10.470 10.450 10.500 10.450 10.530 10.470 009 10.520 10.560 10.530 10.580 10.660 10.520 10.560 10.530 10.580 10.660 010 10.560 10.500 10.400 10.510 10.640 10.560 10.500 10.400 10.510 10.640 011 10.530 10.480 10.560 10.550 10.580 10.530 10.480 10.560 10.550 10.580 012 10.560 10.430 10.430 10.420 10.510 10.560 10.430 10.430 10.420 10.510 013 10.500 10.720 10.480 10.450 10.500 10.500 10.720 10.480 10.450 10.500 014 10.470 10.530 10.560 10.520 10.470 10.470 10.530 10.560 10.520 10.470 015 10.530 10.560 10.600 10.690 10.550 10.530 10.560 10.600 10.690 10.550 016 10.510 10.630 10.620 10.590 10.610 10.510 10.630 10.620 10.590 10.610 017 10.500 10.510 10.400 10.520 10.520 10.500 10.510 10.400 10.520 10.520 018 10.540 10.460 10.490 10.450 10.460 10.540 10.460 10.490 10.450 10.460 019 10.490 10.550 10.510 10.560 10.490 10.490 10.550 10.510 10.560 10.490 020 10.620 10.500 10.600 10.610 10.620 10.620 10.500 10.600 10.610 10.620 021 10.540 10.590 10.630 10.580 10.560 10.540 10.590 10.630 10.580 10.560 022 10.420 10.550 10.480 10.500 10.500 10.420 10.550 10.480 10.500 10.500 023 10.520 10.600 10.510 10.520 10.500 10.520 10.600 10.510 10.520 10.500 024 10.570 10.720 10.640 10.730 10.590 10.570 10.720 10.640 10.730 10.590 025 10.600 10.570 10.600 10.480 10.500 10.600 10.570 10.600 10.480 10.500

Con la tabla inicial de datos los grficos que se obtienen son los siguientes:

GRAFICO X
10,65 10,6 10,55 10,5 10,45 10,4 10,35 1 3 5 7 9 11 13 15 17 19 21 23 25

GRAFICO R 0,3 0,25 0,2 0,15 0,1 0,05 0 1 3 5 7 9 11 13 15 17 19 21 23 25

En el diagrama X se detecta un punto fuera de control correspondiente a la muestra 24, mientras que en el R todos estn entre los lmites. Enmascarando esta muestra y volviendo a dibujar los grficos se detecta otro punto fuera de control, esta vez en el grfico R correspondiente a la muestra 13, la cual volvemos a enmascarar. Para ello seguiremos los siguientes pasos:

a) Calcularemos en primer lugar los rangos de cada muestra, Ri , y el rango medio, R , con la informacin contenida en la ficha de control:

3,15 R= = = 0,126 n de muestras 25


1

25

Los limites de control para los rangos vienen dados por las expresiones en funcin de D4 y D3: LCSR = D4 * R = 2,115 x 0,126 = 0,266 LCIR = D3 * R = 0 x 0,126 = 0

Siendo los valores de D3 y D4 los correspondientes a la tabla anterior para un tamao de muestra, n, igual a 5.

b) Se comprueba a continuacin si el rango de alguna de las muestras cae fuera de los Lmites de Control. Si esto ocurre, se interpretar que la(s) muestra(s) correspondiente(s) pertenece(n) a una poblacin distinta o a un momento en el que el proceso estuvo fuera de control. En cualquier caso, dichas muestras no sern consideradas y se proceder a calcular unos nuevos R y LCR con las muestras restantes.

En el presente caso, slo el rango de la muestra i=13 est fuera de los lmites, pues R13 = 0,27, por lo que debe ser eliminada en la determinacin del nuevo rango:

3,15 0,27 R= = 0,12 24


LCSR = D4 * R = 2,115 x 0,12 = 0,254 LCIR = D3 * R = 0 x 0,126 = 0

Puede comprobarse que todos los rangos (salvo R13) estn contenidos dentro de las nuevas LCR, por lo que puede tomarse como definitivo el valor R = 0,12. Si algn R, no hubiese satisfecho esta condicin, habra que proceder de forma anloga a la anterior hasta conseguir que todos los Ri conservados queden dentro de los LCR, cuidando de que el nmero de muestras que queden sean suficientes para que los resultados sean significativos. c) Una vez fijado se calcula el valor de y LCX, utilizando nicamente las muestras no excluidas4 en el apartado anterior, por medio de las expresiones ya vistas. Asimismo, se tomar R = 0,12.

) X=
LCSX = + A2 * LCIX = - A2 *

X
1

24

252,73 = = 10,53 24 24

R R

= 10,53 + 0,577 x 0,12 = 10,599 = 10,53 - 0,577 x 0,12 = 10,461

donde A2 procede de la tabla anteriormente comentada para n = 5. No obstante algunos autores prefieren considerar todas las muestras.

d) Se comprueba seguidamente si alguna de las Xi cae fuera de los LCX. Si esto ocurriese, deberan ser eliminadas, determinndose unos nuevos y LCX. Para estos ltimos se seguira empleando el mismo R (0,12 en nuestro caso), con lo que los nuevos lmites de control tendran la misma amplitud que los anteriores aunque estaran desplazados por haber cambiado. El proceso se repetira hasta con seguir que todas las conservadas queden dentro de los ltimos LCX calculados, que se tomaran como definitivos (salvo para el caso de alta precisin como ya se indic en la introduccin) junto con el ltimo ) valor de X . En el problema objeto de estudio observamos que fuera de los limites, por lo que deber prescindirse de ella:

) X 24 = 10,65 est

) 252,73 10,65 X= = 10,525 23


LCS = 10,525 + 0,577 x 0,12 = 10,594 LCI = 10,525 - 0,577 x 0,12 = 10,456

Las 23 muestras consideradas caen dentro de los nuevos LCX, por lo que consideramos finalizado el proceso y procedemos al clculo de los lmites de variacin natural:

LVNS =

) LVNI = X - L R = 10,525 - 1,289 x 0,12 = 10,37


Vemos, pues, que los LVN son ms estrechos que los lmites de tolerancia, LT, especificados por la oficina tcnica, que, de acuerdo con la ficha de control, valen:

) + L R = 10,525 + 1,289 x 0,12 = 10,68 X

LT = 10,5 0,2 es decir:

LTS = 10,5 + 0,2 = 10,7 LTI = 10,5 - 0,2 = 10,3

Se deduce, por tanto, que el proceso es capaz de cumplir los objetivos marcados. Es interesante hacer notar que por estar la gran media X descentrada hacia arriba (10,525 en lugar de 10,5), es mayor la probabilidad de obtener piezas defectuosas por exceso en la longitud, por lo que sera recomendable intentar centrar, X. Hay que recalcar, sin embargo, que el operario sabe que los errores por exceso pueden ser corregidos, no ocurriendo esto con los que son por defecto, tendiendo, por tanto, a dar valores centrales, X, ms elevados. As se obtienen los grficos finales de la fase de construccin.
GRAFICO X
10,65 10,6 10,55 10,5 10,45 10,4 1 4 7 10 13 16 19 22
0,3 0,25 0,2 0,15 0,1 0,05 0 1 4 7 10 13 16 19 22

GRAFICO R

Para calcular los valores de los lmites de control en ambos grficos, basta utilizar las frmulas anteriormente expuestas (supuesto que ya se han filtrado las muestras 24 y 13).

Grfico de medias:

X = 10,525

LC = 10,525 0,577 0,12 = [10,456; 10,594]


LCS = 2,115 0,12 = 0,254; LCI = 0 0,12 = 0

R = 0,12

4. GRFICOS DE CONTROL POR ATRIBUTOS

Los grficos de control por atributos se utilizan para controlar caractersticas de calidad que no puede medirse. En este sentido, se definir el atributo de estudio y se observar si est presente o no en las muestras que se obtengan del proceso.

As, un producto se calificar como "bueno" o "malo" segn posea o no dicha caracterstica o atributo.

En general, estos grficos nos permiten controlar el nmero de piezas defectuosas (bien en trminos absolutos, dentro de una muestra, bien en fraccin defectuosa), o el nmero de defectos (por muestra o por unidad de producto).

Segn que el tamao muestral considerado sea constante o variable a lo largo de las sucesivas muestras, y de que se quieran controlar unidades defectuosas o defectos, tenderemos cuatro diferentes tipos de grficos, como se muestra en la tabla adjunta:

N piezas defectuosas. N defectos.

n= Cte. np c

n= Var. p u

En cualquier caso, nuestro objetivo, ser determinar los lmites de control del grfico que estemos manejando. Genricamente, los lmites de control siempre responden a la formulacin: LC = VC 3, esto es, tres desviaciones estndar a un lado y otro del valor central de la medida de estudio. La interpretacin que se har de los puntos que rebasen los lmites de control es la siguiente, si un valor supera el lmite superior de control, querr decir que se ha producido un alarmante ascenso del nmero de unidades defectuosas (o del nmero de defectos). Sin embargo los valores por debajo del lmite inferior de control pueden deberse a dos situaciones; o bien el proceso ha mejorado realmente, disminuyendo el nmero de fallos, o la extraccin de la muestra no es adecuada en tamao (tamaos de muestra pequeos, pueden falsear la informacin real del % de fallos existente en el proceso). Por este motivo, los tamaos muestrales deben ser suficientemente grandes, con valores habitualmente superiores a 50 elementos por muestra.

4. 1. GRFICO "np".
Este grfico controla en cada punto correspondiente a una extraccin muestral, el nmero de unidades defectuosas correspondientes a esa muestra. Las expresiones del valor central y de los lmites de control para este grfico son:
VC = np = n artculosdefectuoso promedio por muestra = s

n uds.defectuosas en muestra" i"


i =1

LC = np 3 np(1 p)
Es obvio que el valor de los lmites de control es constante, pero depende del tamao muestral elegido.

EJEMPLO GRFICO "np".


La empresa Data ha decidido llevara un control de calidad del proceso productivo mediante la utilizacin de grficos np empleando muestras de 250 unidades, obtenindose de las 25 primeras muestras las unidades defectuosas que se presentan en la tabla siguiente:
N 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 Def. 19 16 28 21 18 19 15 19 10 23 12 20 25 31 14 27 18 16 17 23 26 17 26 30 11

De acuerdo con los datos anteriores, calcularemos los lmites de control mediante la expresin:
VC = np =
de donde:
p= np 20,04 = = 0,08 n 250

Total de artculos defectuoso encontrado 501 s s = = 20,04 Nmero de muestrasinspeccion das 25

y por lo tanto:

LCS= np + 3 np(1 p) = 20,04 + 3 20,04(1 0,08) = 32,92


LCI = np 3 np(1 p) = 20,04 + 3 20,04(1 0,08) = 7,16

4.2. GRFICO "p". Este grfico controla en cada punto correspondiente a una extraccin muestral, el porcentaje de unidades defectuosas muestral. As, por pi denotaremos a la fraccin defectuosa de la muestra isima (obtenida como cociente entre el nmero de unidades defectuosas en la muestra i-sima y el tamao muestral de dicha muestra).
pi = fraccindefectuosamuestra"i"= n uds.defectuosa en muestra"i" s ni

El valor central de esta caracterstica, ser

VC = p = fraccin defectuosa promedio=

n uds.defectuosas en muestra"i"
i =1

n
i =1

donde N es el nmero total de muestras.

Los lmites de control, para este grfico, se calculan segn la frmula siguiente (siendo la raz de la misma un estimador de la desviacin poblacional):

p(1 p) LCi = p 3 ni

En esta frmula puede observarse como los lmites de control dependen del tamao muestral (que es variable), por lo que los valores de control de este grfico no sern constantes, sino que tendrn diferentes valores para cada muestra. Como resultara excesivamente tedioso calcular los lmites de control reales, suelen calcularse los denominados lmites de control simplificados, que toman valores constantes al considerar en la frmula anterior el tamao muestral promedio de las N muestras. Esta aproximacin, podr hacerse siempre que no exista gran variacin entre los tamaos muestrales de las diferentes muestras. En todo caso, para aquellos puntos del grfico prximos a estos lmites simplificados, ser necesario calcular los lmites de control reales, para evitar falsas alarmas (por ejemplo: un punto por debajo del lmite inferior simplificado y cercano a l, no tiene porqu poner al sistema fuera de control si no supera al correspondiente lmite de control real).

EJEMPLO DE GRFICO P
La empresa Electra, S. A., trata de controlar el proceso de fabricacin de determinados aparatos elctricos mediante la implantacin de un grfico p con el que observar la evolucin de la fraccin defectuosa.

Para ello, se comienza en el mes de febrero de 1980, examinando un 50 por 100 de la produccin mediante muestras de tamao variable e igual a la mitad de la produccin diaria.

Como valor central de la fraccin defectuosa se adopta, en un principio, el obtenido de experiencias similares en el pasado, igual a un 2,5 por 100 de productos defectuosos por muestra. Este valor (p = 0,025) ser revisado mensualmente y sustituido por otro si la evolucin de la calidad as lo aconseja.

Los datos procedentes de 25 muestras aparecen en la tabla de la figura siguiente en la que se indica adems de los valores de ni y pi, los valores de los lmites de control de cada muestra, calculados de acuerdo con las expresin siguiente para pi :

n uds.defectuosa en muestradetectadas s pi = fraccindefectuosamuestra"i" = Nmerototalde unidadesinspeccion adas


Se desea dibujar el grfico p correspondiente as como comentar los resultados obtenidos.

RESOLUCIN:
A partir de los datos de la tabla se ha dibujado el grfico p. De su observacin se desprende que, a partir de la muestra 7, la calidad ha ido empeorndose progresivamente hasta llegar a una muestra, la 17, que queda fuera de control. A partir de ella se han aplicado medidas correctoras que han trado consigo una mejora en la fraccin defectuosa.

A la luz de la informacin brindada por el grfico p parece aconsejable revisar el valor central empleado, utilizndose para ello el promedio de p durante el mes transcurrido, y excluyendo, claro est, el valor correspondiente a la muestra que result fuera de control. As pues, el nuevo VC a aplicar el mes de marzo ser:

Nmero total de unidades defectuosas detectadas

285

VC= ---------------------------------------------------------------------- = ----------- =0,0235 Nmero total de unidades inspeccionadas 12.144

Que es menor que el objetivo de 0,025.

Vemos que se ha conseguido una ligera mejora de la calidad sobre el VC inicialmente previsto.

En el presente caso, en el que el tamao de la muestra vara dentro de unos lmites estrechos (ver introduccin), cabe la posibilidad de utilizar un valor medio para el mismo, , que evitar el clculo de los LC para cada muestra, utilizndose para todas ellas los LC resultantes de aplicar las expresiones anteriores para = 0,507.

As pues, para el mes de febrero tendramos:

p ' (1 p ' ) 0,025(1 0,025) LCS = p'+3 = 0,025 + 3 = 0,046 n 507


LCI = p '+3 p ' (1 p ' ) 0,025(1 0,025) = 0,025 3 = 0,004 n 507

De esta forma obtenemos unos limites de control que no varan con el tamao de la muestra. Su utilizacin debe ir acompaada del clculo de los verdaderos valores de LC en aquellas muestras cuyo valor de p quede fuera, o muy prximo, del LC promedio, de forma que pueda determinarse si la muestra en cuestin debe ser considerada realmente fuera de control.

De forma anloga, para el mes de marzo podemos utilizar unos LC aproximados, para cuyo clculo utilizaremos:

p' = = 0,0235 y = 506

lo cual nos lleva a

LCS = p'+3

p' (1 p' ) 0,0235(1 0,0235) = 0,0235 + 3 = 0,0437 n 506

LCI = p'3

p' (1 p' ) 0,0235(1 0,0235) = 0,0235 3 = 0,033 n 506

Es fcilmente observable que, en el caso de utilizar un valor de n constante, la diferencia entre este grfico y el np es la escala, siendo la de este ltimo igual a la del p multiplicada por n. Debido a ello, en estas circunstancias suele ser ms interesante emplear el grfico np, pues requiere menos clculos y es de ms fcil comprensin. No obstante, es necesario decir que los clculos de los distintos LC en los grficos p pueden ser sistematizados, existiendo incluso bacos de los que se obtienen con facilidad.

4.3. GRFICO "c".


Este grfico controla en cada punto correspondiente a una extraccin muestral, el nmero de defectos correspondientes a esa muestra. As, si llamamos:

ci = n defectosen la muestra"i"

las expresiones del valor central y de los lmites de control para este grfico sern: N n defectosen muestra"i" VC = c = media defectos por muestra = i =1 N

LC = c 3 c

EJEMPLO DE GRFICO C
Para realizar el control de calidad en la fabricacin de un cierto tipo de artculo, la empresa Maolar decide implantar un grfico c, en el que se representa el nmero de defectos por muestra. Dado que cada unidad a controlar puede presentar hasta 200 defectos diferentes, se va a tomar un tamao de muestra pequeo. As pues, se utilizarn 25 muestras de 6 unidades cada una.

Los datos procedentes de la inspeccin aparecen en la parte superior de la figura siguiente. Puede observarse que, en este caso, los distintos defectos se han clasificado en tres grupos. A, B y C, por orden de importancia y a efectos de tener una mayor informacin.

Suponiendo probabilidad constante de aparicin de un defecto cualquiera, se desea obtener el grfico c para el control futuro del proceso.

RESOLUCIN:
A partir de los datos registrados pueden obtenerse el valor central y los limites de control de acuerdo con las expresiones anteriores, tenemos:

n Total de defectos detectados

585

VC = = ------------------------------------------- = ----- = 23,4 defectos/muestra N De muestras inspeccionadas 25

LCS = c + 3 c = 23,4 + 3 23,4 = 37,4

LCI = c 3 c = 23,4 3 23,4 = 8,9


Con estos valores se construye el grfico c que aparece en la figura 18.7, sobre el que se han representado los valores correspondientes a las distintas muestras, las cuales quedan todos bajo control. Debido a ello puede ser aceptado para el control futuro del proceso, aunque, pasado algn tiempo pueda ser aconsejable calcular unos nuevos valores para VC y LC de acuerdo con la evolucin real de la calidad.

4.4. GRFICO "u".


Este grfico controla en cada punto correspondiente a una extraccin muestral, el nmero de defectos por unidad de producto en esa muestra. As, si denotamos por ui al nmero de defectos unitario:
ui = n defectos en muestra ni " i" (c i )

las expresiones del valor central y de los lmites de control para este grfico sern:
VC = u = n mediodefectospor unidad=

n defectosen muestra"i"
i =1

n
i =1

LCi = u 3

u ni

En este caso, hemos de hacer las mismas consideraciones de clculo de los lmites simplificados que en el grfico "p".

EJEMPLO DE APLICACIN DE GRFICOS U


Se desea establecer el control de un proceso mediante un grfico u, con idea de vigilar el nmero de defectos que presentan los artculos considerados no aceptables. Para ello, se han tomado 25 muestras, cuyos tamaos y nmero de defectos encontrados se indican en la parte superior de la figura siguiente. Como en el problema anterior, el elevado nmero de defectos distintos que puede aparecer en un artculo hace posible la utilizacin de pequeos tamaos de muestra. RESOLUCIN: De acuerdo con los datos registrados estimamos, el valor central y los limites de control. El primero de ellos, , lo haremos igual al nmero medio de defectos por unidad. Los LC sern calculados de acuerdo con las expresiones correspondientes a estos grficos, pero utilizando un tamao de muestra medio, , igual al total de artculos inspeccionados (= 148) dividido por el nmero d muestras (= 25).

VC = u = n medio defectos por unidad =

n defectosen muestra"i"
i =1

n
i =1

834 = 5,64 148

LCS = u + 3

u 5,64 = 5,64 + 3 = 8,57 ni 148 / 25

LCS = u + 3

u 5,64 = 5,64 3 = 2,71 ni 148 / 25

Esto ltimo es factible debido a que las variaciones de n no son demasiado importantes. De la representacin del grfico u (Fig. 18.8), se deduce que todas las muestras inspeccionadas estn bajo control, por lo que los LC y VC pueden ser adoptados como definitivos en tanto la evolucin real de la calidad no aconseje otra cosa.