CONTROL DE PROCESOS PARA ATRIBUTOS

1. INTRODUCCIÓN

El control de proceso se realiza a partir de los gráficos de control de proceso. Estos

gráficos indican si el proceso está sufriendo alteraciones que puedan afectar la
calidad del producto. La identificación y el estudio de las causas de estas
alteraciones permitirán la ejecución de acciones correctivas.

Las alteraciones “excepcionales” del proceso que muestran los gráficos de control
se deben a causas asignables. Las causas no asignables, como se mencionó antes,
son inevitables y sobre ellas no es posible intervenir, pese a que producen
variaciones, pero de carácter aleatorio.

A manera de ilustración, suponga que la señora Marisela registró la hora de llegada

de su hija en la última semana, así:

Lunes: 2:17 Sin novedades

Martes: 2:12 Sin novedades
Miércoles: 2:55 La buseta sufrió un desperfecto mecánico
Jueves: 2:15 Sin novedades
Viernes: 1:00 Los niños salieron 1 hora antes a causa de la ausencia del
profesor

En otro caso, suponga que, en un proceso productivo, se toman muestras a

intervalos regulares y se calcula un estadístico X, digamos la media del diámetro de
unas piezas. Como se mencionó antes, X, es una variable aleatoria distribuida
normalmente, con media μx y desviación estándar σx .

Tal como se muestra en la siguiente figura:

Figura 3.1. - Área bajo la curva normal entre los limites superior e inferior de X
Por la teoría estadística, sabemos que si se establecen límites superior e inferior =
μx ± 3.5 σx , La totalidad (el 99.99%) de las medias de las muestras estarán en el
intervalo (LI – LS), a menos que el proceso esté sometido a causas de variación
asignables.

Se dice que el proceso está bajo control 3.5 sigma, cuando la totalidad de las medias
de las muestras están es el intervalo (LI – LS). Así mismo para 3 sigma el proceso
está bajo control, es decir sometido sólo a causas de variación aleatorias, cuando
el 99.74% de las medias de las muestras caen en el intervalo entre los límites
superior e inferior.

2. GRAFICOS DE CONTROL DE PROCESO

Existen dos tipos de gráficos de control de proceso: para variables y para atributos.
En ambos tipos, para su construcción, es necesario determinar:

 Línea Central
 Límite superior de control para k σ (Generalmente k = 3)
 Límite inferior de control para k σ (Generalmente k = 3)

3. GRAFICOS DE CONTROL POR ATRIBUTOS

Los gráficos de control por atributos, tienen tres modalidades: Gráficos de control
para fracción defectuosa, o gráficos p. Gráficos de control del número de
defectuosos, o gráficos np. Y gráficos de control de número de defectos por unidad,
o gráficos u y c.

3.1. - Gráficos de Fracción Defectuosa:

 Línea Central (LC): Fracción defectuosa del lote p. En caso de que p no se

conozca puede estimarse a partir del cálculo del promedio de la fracción
defectuosa de k muestras de tamaño n, así:
  Límite Superior de Control (LSC): Para 3 sigma, sería:

 Límite Inferior de Control (LIC): Para 3 sigma, sería:

Una vez trazados los limites superior, inferior y la línea central, se procede a graficar
la fracción defectuosa de las sucesivas muestras. Observe que, si el proceso está
sometido sólo a las variaciones aleatorias, el 99.74% de las observaciones deberán
estar entre los límites superior e inferior de control y además de manera “equitativa”
alrededor de la línea central.

Cuando esto ocurre se dice que el proceso está bajo control estadístico. La
aparición de puntos por fuera de los límites de control es indicativa de posibles
alteraciones en el proceso debidas a causas asignables, se dice que el proceso está
fuera de control y será necesario investigar las causas y tomar las respectivas
acciones correctivas. La presencia de tendencias y rachas de los puntos del gráfico,
aun estando dentro de los límites de control, es señal de que el proceso está siendo
afectado por causas diferentes a las aleatorias y será preciso investigar la situación.

Ejemplo 1: Se estima que la operación de fresado de un proceso arroja un 2% de

piezas defectuosas. Se desea controlar la operación mediante un gráfico de fracción
defectuosa 3σ, mediante la extracción de muestras de 50 piezas cada dos horas.

La siguiente tabla contiene el número de piezas defectuosas en las últimas 12

muestras.
Objetivo del ejemplo: Mostrar el procedimiento para la construcción de un gráfico
de control p, conocida la fracción defectuosa del proceso.

Solución:

Cálculo de los límites de control 3σ:

Líneas Central: 0.02.

El LIC se asume igual a 0.

Figura 3.2. – Grafico de control p, del ejemplo 1

Observe que la fracción defectuosa de las 12 muestras están entre los límites de
control, lo cual indica que el proceso está bajo control y por lo tanto no hay razones
para pensar que hay causas de variaciones diferentes a las aleatorias.
Ejemplo 2: Un proceso produce un promedio de 1% defectuoso. Se toman
muestras de 100 artículos cada día, registrando el número de defectuosos, durante
doce días, tal como se muestra en la siguiente tabla:

Tabla 3.2. – Datos del ejemplo 2

Objetivo del ejemplo: Mostrar el procedimiento para la construcción de un gráfico

de control p, conocida la fracción defectuosa del proceso y la interpretación de los
resultados

Solución:

Cálculo de los límites de control 3σ:

Líneas Central: 0.01.

El LIC se asume igual a 0.

Figura 3.3. - Gráfico de control p del ejemplo 2

Observe que las muestras tomadas los días 5, 6, 10 y 11, tienen fracciones
defectuosas por fuera de los límites de control, indicando que hay razones para
pensar que estos días hubo alteraciones en el proceso asignables. Deberá, por lo
tanto, investigarse la situación a fin de identificar las causas que perturbaron el
proceso y lo sacaron de control, a fin de tomar las acciones correctivas que eliminen
los factores que las generaron para lograr que el proceso esté bajo control.

Ejemplo 3: Como interpretar puntos por debajo del Límite Inferior de Control?

Objetivo del ejemplo: Mostrar la interpretación de puntos por debajo del LIC en un
gráfico de control p.

Solución:

Pese a que estas muestras tienen una fracción defectuosa menor, o sea, que son
de mejor calidad, el proceso está fuera de control. En consecuencia, será necesario
investigar estas causas y eventualmente involucrar los factores que las generan en
el proceso y así elevar la calidad hacia el futuro.

Usos de otros intervalos de confianza: Los límites Superior e Inferior de los

gráficos de control de proceso p pueden construirse para diferentes intervalos de
confianza. Como se mencionó antes límites 3 sigma garantizan que el 99.74% de
las muestras se ubiquen entre los límites superior e inferior de control. En el caso
de usar límites de control 2 sigma el 95.44% de las muestras caerán entre los límites
de control superior e inferior. El nivel de confianza para gráficos 1 sigma es del
68.26%. Para intervalos confianza del 95% y 90% los gráficos de control son de
1.96 sigma y 1.68 sigma, respectivamente.
Ejemplo 4: Considere el siguiente gráfico de control p, para 3 sigma.

Figura 3 .4. - Gráfico de control p ejemplo 4

Objetivo del ejemplo: Mostrar la interpretación del estado de control de un proceso

mediante el uso de gráficos p.

Solución:

A pesar de que todos los puntos están entre los límites de control, el hecho de que
éstos se concentren entre la línea central y el LSC, da razones para pensar que hay
causas diferentes a las no asignables que están afectando el proceso (Las
variaciones aleatorias deberán arrojar puntos a ambos lados de la línea central).

Adicionalmente, la tendencia ascendente de los puntos, puede interpretarse como

una señal de causas asignables “crecientes” que finalmente podrán arrojar puntos
por fuera del límite superior. En consecuencia, será necesario investigar la situación.

3.2. - Gráficos de control de fracción defectuosa con muestras de tamaño

variable

En muchas situaciones el tamaño de las muestras para establecer los límites de

control puede ser variable, en estos casos se toman independientemente cada una
de las i muestras y se calculan los límites superior e inferior para cada muestra, así:
Límite Superior de Control (LSC): 3 sigma, para la muestra i sería:

Límite Inferior de Control (LIC): 3 sigma, para la muestra i sería:

Observe que la línea central se calcula para la fracción defectuosa promedio y los
límites superior e inferior de control se calculan para cada muestra, pero usando la
fracción defectuosa promedio.

Ejemplo 5: La tabla muestra el número de defectuosos de 20 muestras de tamaño

variable.

Tabla 3.3. – Datos del ejemplo 5

Objetivo del ejemplo: Mostrar el procedimiento para la construcción de gráficos de
control p, con muestras de tamaño variable.

Solución:

Se calculan los límites superior e inferior de control para cada una de las muestras
usando la fracción defectuosa promedio como línea central. Observe que estos
casos los límites de control son líneas quebradas. Como ilustración se muestra el
cálculo del LSC correspondiente a la muestra 1, en la tabla 3.3 están calculados los
límites superior e inferior para la totalidad de las muestras.

La siguiente figura muestra el gráfico de control p

Para obviar el que los límites superior e inferior de control sean líneas quebradas
pueden calcularse usando el tamaño promedio de muestra.

Para el caso se tiene:

- Gráficos de control de número de defectuosos o gráficos np

Estos gráficos en vez de usar la fracción defectuosa se basan en el número de

unidades defectuosas. Esta característica los hace más comprensibles para el
operario y además los cálculos para su construcción son más sencillos. Sólo pueden
usarse para tamaños de muestra constantes.

Para el cálculo de los límites de control se procede así:

Sea: k → número de muestras.

n → Tamaño de las muestras
dK → Número de defectuosos de la muestra k
Ejemplo 6: La siguiente tabla muestra el número de unidades defectuosas de 20
muestras de tamaño 100.

Objetivo del ejemplo: Mostrar el procedimiento para la construcción de gráficos de

control número de defectos o np.

Solución:
Figura 3 .6. - Gráfico de control n p ejemplo 6

Gráficos de número de defectos por unidad (c y u)

Es frecuente interesarse no sólo si el producto es defectuoso, sino, en saber cuántos

defectos tiene. Los gráficos c se usan para el caso de que las muestras sean de
tamaño constante, mientras que los gráficos u se aplican a tamaños de muestras
variables.

GRAFICOS c: Están basados en la distribución Poisson, estimando el número el

número promedio de defectos por unidad, c , tomando 30 o más muestras de igual
tamaño y calculando el promedio del número de defectos encontrados en las
muestras.

Sabiendo que la desviación estándar de la distribución Poisson es la raíz cuadrada

de la media, el cálculo de los límites de control 3 sigma es:

Ejemplo 7: Una empresa produce una variedad de cinta decorativa auto adhesiva
en rollos 10 metros, que puede inspeccionarse por atributos. Se toman muestras
durante 30 días, inspeccionando cada día 10 rollos, encontrándose 190 defectos en
la totalidad de las muestras inspeccionadas en los 30 días.

Objetivo del ejemplo: Mostrar el procedimiento para la construcción de gráficos de

control número de defectos o gráficos c.

Solución:

El número promedio de defectos por rollo:

c = 190/(30x10) = 0.633,
por lo tanto, la línea central es 0.633.

Ejemplo 8: En un salón de telares se registraron el número de paros de los telares

ocurridos en un periodo de 30 días.

Los datos se muestran en la siguiente tabla.

Tabla 3.5. – Datos del ejemplo 8

Objetivo del ejemplo: Mostrar el procedimiento para la construcción de gráficos de

control de número de defectos o gráfico c.

Solución:

Para la elaboración de un gráfico de control, c, para el número de paros, se tiene:

c = Total de paros / 30 = 517/30 = 17.23 paros por día.

Los límites de control del gráfico de control, son:

GRAFICOS u: Cuando el tamaño de las muestras no es constante se usa la gráfica

de control u, observe que en ésta los límites superior e inferior son líneas quebradas.

La línea central y los límites de control 3 sigma se calculan así:

Línea central:

u =Total de defectos / Total de elementos inspeccionados. (en las k muestras de

tamaño nK)

Ejemplo 9: La siguiente tabla muestra el número de páginas escritas por una

digitadora y el número de errores cometidos durante los últimos 30 días. Se quiere
elaborar un gráfico de control u.
4. ANÁLISIS E INTERPRETACIÓN DE LOS GRAFICOS DE CONTROL PARA
ATRIBUTOS
Un proceso estará bajo control estadístico (utilizando gráficos de control (3 sigma),
si se cumplen simultáneamente las siguientes condiciones:

 No hay puntos por fuera de los límites superior e inferior de control.

 La proporción de puntos por encima y por debajo de la línea central es
aproximadamente igual.
 La mayoría de los puntos deberán estar cercanos a línea central (por encima
y por debajo). El término “mayoría” y “cercano” pueden interpretarse así: si la
zona superior del gráfico, es decir la comprendida entre la línea central y el
límite superior de control, se divide en 3 partes iguales y se hace lo mismo
con la zona inferior, aproximadamente 7 de cada 10 puntos deberán estar en
la zona contenida entre los dos tercios a partir de la línea central (Zona
sombreada de la figura).

Algunas situaciones relacionadas con procesos fuera de control, sus posibles

interpretaciones y causas de variación, se describen a continuación:

Un punto fuera de los límites de control: Esta situación puede deberse a una
causa de variación especial, por ejemplo, una variación súbita de la energía eléctrica
o un error en la medición.

Adicionalmente puede deberse a causas aleatorias aunque la probabilidad de este

evento sea muy baja ( 0.24%)

Observe que en los gráficos de fracción defectuosa un punto por debajo del límite
inferior, aunque indica una mejora en la calidad (menor fracción defectuosa), deberá
ser objeto de análisis.

Rachas de puntos a un lado de la línea central: Esta situación es indicativa de

cambios en el promedio de la fracción defectuosa del proceso y generalmente se
debe a causas asignables de variación.
De manera análoga al punto anterior, si la racha de puntos está por debajo de la
línea central, aunque es indicativo de que el proceso ha mejorado, es necesario
determinar las causas de la variación y de ser posible implementarla en el proceso.

Patrones cíclicos: Esta situación indica que el proceso está sometido a causas
asignables que varían periódicamente, tales como: cambios en los turnos, fatiga del
operario al final del turno, cambios de dispositivos o herramientas, entre otras.

Tendencias: Las tendencias son indicativas de causas que están afectando de

manera gradual el proceso, produciendo tendencias ascendentes (empeoramiento
de la calidad) o descendentes (mejoramiento de la calidad).

Tales causas de variación pueden deberse a mejoras continuas en la destreza del

operario (curva de aprendizaje); desgaste de herramientas, acumulación de
suciedad, rebabas en los dispositivos, fatiga progresiva del operario, cambios
progresivos en las condiciones ambientales (temperatura o humedad), entre otras.
El análisis de la situación y la correcta identificación de las causas de variación
dependen del grado de conocimiento y experiencia del analista sobre el proceso en
cuestión.