Universidad Tecnológica Fidel Velázquez

Calidad

Grupo.-301

n.º7

Fernando Cruz Diaz

Lic. Fernando Gómez Flores

Fecha de entrega 18 de Junio 15;00 Pm

INDICE

DIAPOSOTIVA 3
1 Graficas de control por atributos

DIAPOSITIVA 17
2 Graficas P

DIAPOSITIVA 24
3 Graficas NP

DIAPOSITIVA 31
4 Graficas U

DIAPOSITIVA 38
5 Graficas C

DIAPOSITIVA 45
6 REFERENCIAS BIBLIOGRAFICAS
 Gráficas de Control Por Atributos
• Glosario
– Atributos
• Data que se puede clasificar y contar
• Tipos

– Cantidad de defectos por unidad –”Nonconformities”

– Cantidad de unidades defectuosas –”Nonconforming”

– Gráficas de control
Gráfica comparación cronológica (hora a hora, día a día) de las características de calidad
reales del producto, parte o unidad, con límites que reflejan la capacidad de producirla de
acuerdo con la experiencia de las características de calidad de la unidad.

Origen

•El control estadístico de la calidad surge luego de la Segunda Guerra Mundial.

•Las gráficas de control estadístico fueron propuestas por Walter A. Shewart en el 1920
 Gráficas de Control Por Atributos

– Proceso en control
• Método visual para monitorear un proceso-
• Límites de control

se relaciona a la ausencia de causas

– Son calculados de la data obtenida del

especiales en el proceso. proceso

– Gráfica c
• Límite superior

• Número de defectos por unidad – Valor máximo en el cual el proceso se

encuentra en control
– Gráfica p
• Porcentaje de fracción defectiva
• Límite inferior
– Valor mínimo en el cual el proceso se
– Gráfica u
encuentra en control.
• Proporción de defectos
• Línea central
– Gráfica np
– Es el promedio del número de defectos
• Número de unidades defectuosas por
muestra constante
 Gráficas de Control Por Atributos
Utilidad
– La función primaria de una Gráfica de Control es mostrar el comportamiento de un proceso.
– Identificar la existencia de causas de variación especiales (proceso fuera de control).
– Indicar cambios fundamentales en el proceso.

Desventajas

Interpretación errónea por errores de los datos o los

cálculos utilizados.
Ventajas
El hecho de que un proceso se mantega bajo control no
Resume varios aspectos de la calidad
significa que sea un buen proceso, puede estar
del producto; es decir si es aceptable
produciendo constantemente un gran número de no
o no
conformidades.
Son fáciles de entender
Controlar una característica de un proceso no significa
Provee evidencia de problemas de
necesariamente controlar el proceso. Si no se define
calidad
bien la información necesaria y las características del
proceso que deben ser controladas.
 Gráficas de Control Por Atributos

• Gráfica p
– Representa el porcentaje de fracción
defectiva
– Tamaño de muestra (n) varía.

– Principales objetivos
• Descubrir puntos fuera de control
• Proporcionar un criterio para juzgar
si lotes sucesivos pueden
considerarse como representativos
de un proceso
• Puede influir en el criterio de
aceptación.
 Gráficas de Control Por Atributos

• Gráfica np
– Se utiliza para graficar las
unidades disconformes
– Tamaño de muestra es
constante
– Principales objetivos:
• Conocer las causas que
contribuyen al proceso
• Obtener el registro histórico
de una o varias características
de una operación con el
proceso productivo.
 Gráficas de Control Por Atributos

• Gráfica c
– Estudia el comportamiento de un
proceso considerando el número de
defectos encontrados al inspeccionar
una unidad de producción
– El artículo es aceptable aunque
presente cierto número de defectos.
– La muestra es constante
– Principales objetivos
• Reducir el costo relativo al proceso

• Determinar que tipo de defectos no

son permitidos en un producto
 Gráficas de Control Por Atributos

• Gráfica u
– Puede utilizarse como:
• Sustituto de la gráfica c cuando el tamaño de la muestra (n) varía
 Construcción- Gráfica de Control por Atributos

Elección del tipo de gráfica

Paso 1: Establecer los objetivos del control estadístico del proceso
• La finalidad es establecer qué se desea conseguir con el mismo.

Paso 2: Identificar la característica a controlar

• Es necesario determinar qué característica o atributo del producto/servicio o proceso se van a
controlar para conseguir satisfacer las necesidades de información establecidas en el paso
anterior.

Paso 3: Determinar el tipo de Gráfica de Control que es conveniente utilizar

• Conjugando aspectos como:
– Tipo de información requerida.
– Características del proceso.
– Características del producto.

– Nivel de frecuencia de las unidades no conformes o disconformidades.

 Construcción…
Paso 4: Elaborar el plan de muestreo (Tamaño de muestra, frecuencia de maestreo y número de
muestras)
• Las Gráficas de Control por Atributos requieren generalmente tamaños de
muestras grandes para poder detectar cambios en los resultados.
• Para que el gráfico pueda mostrar pautas analizables, el tamaño de muestra, será lo suficientemente
grande (entre 50 y 200 unidades e incluso superior) para tener varias unidades no conformes por
muestra, de forma que puedan evidenciarse cambios significativamente favorables (por ejemplo,
aparición de muestras con cero unidades no conformes).
• El tamaño de cada muestra oscilará entre +/- 20% respecto al tamaño medio de las muestras
• n = (n^ + n2 + ... + nN) / N N = Número de muestras
• La frecuencia de muestreo será la adecuada para detectar rápidamente los
cambios y permitir una realimentación eficaz.
• Se recogerán al menos 20 muestras para proporcionar una prueba fiable de estabilidad en el
proceso.
 Construcción…
Paso 5: Recoger los datos según el plan establecido
• Se tendrá un especial cuidado de que la muestra sea aleatoria y representativa de todo el
periodo de producción o lote del que se extrae.
• Cada unidad de la muestra se tomará de forma que todas las unidades del periodo de
producción o lote tengan la misma probabilidad de ser extraídas. (Toma de muestras al azar).
• Se indicarán en las hojas de recogida de datos todas las informaciones y circunstancias que
sean relevantes en la toma de los mismos.

Paso 6: Calcular la fracción de unidades

–Para cada muestra se registran los siguientes datos:

1.El número de unidades inspeccionadas "n".

2.El número de unidades no conformes.

3.La fracción de unidades no conformes

4.El número de defectos en una pieza

5.La fracción de defectos por pieza

 Construcción…
Paso 7: Calcular los Límites de Control
Gráficas de Control por Atributo
Tamaño de
Tipo Data Formula CL UCL LCL
Muestra
Piezas
p defectuosas Varia p=np/n p=Σnp/Σn p+3√p(1-P)/√n p-3√p(1-P)/√n
      n=Σn/k      
Piezas
np defectuosas Constante p=np/n np=Σnp/k np+3√np(1-P) np-3√np(1-P)
             
Defectos por
c Pieza Constante c c=Σc/k c+3√c c-3√c
           
Defectos por
u Pieza Varia u=c/n u=Σc/Σn u+3√u/√n u-3√u/√n
 Construcción…
Paso 8: Definir las escalas de la gráfica
• El eje horizontal representa el número de la muestra en el orden en que ha sido tomada.
• El eje vertical representa los valores de la fracción de unidades
• La escala de este eje irá desde cero hasta dos veces la fracción de unidades no conformes
máxima.

Paso 9: Representar en el gráfico la Línea Central y los Límites de Control

• Línea Central
– Marcar en el eje vertical, correspondiente al valor de la fracción
• Línea de Control Superior
– Marcar en el eje vertical el valor de UCL. A partir de este punto trazar una recta horizontal
discontinua (a trazos). Identificarla con UCL.
• Límite de Control Inferior
– Marcar en el eje vertical el valor de LCL. A partir de este punto trazar una recta horizontal
discontinua (a trazos). Identificarla con LCL
 Construcción…
Paso 10: Incluir los datos pertenecientes a las muestras en la gráfica
• Representar cada muestra con un punto, buscando la intersección entre el número de la
muestra (eje horizontal) y el valor de su fracción de unidades no conformes (eje vertical).
• Unir los puntos representados por medio de trazos rectos.

Paso 11: Comprobación de los datos de construcción de la Gráfica de Control

• Se comprobará que todos los valores de la fracción de unidades de las muestras utilizadas
para la construcción de la gráfica correspondiente están dentro de sus Límites de Control.
• LCL < gráfica < UCL
• Si esta condición no se cumple para alguna muestra, esta deberá ser desechada para el
cálculo de los Límites de Control.

Paso 12: Análisis y resultados

• La Gráfica de Control, resultado de este proceso de construcción, se utilizará para el control

habitual del proceso .

 Interpretación- Gráfica de Control por Atributos

Identificación de causas especiales o asignables

– Pautas de comportamiento que representan cambios en el proceso:
• Un punto exterior a los límites de control.
– Se estudiará la causa de una desviación del comportamiento tan fuerte.
• Dos puntos consecutivos muy próximos al límite de control.
– La situación es anómala, estudiar las causas de variación.
• Cinco puntos consecutivos por encima o por debajo de la línea central.
– Investigar las causas de variación pues la media de los cinco puntos indica una desviación del
nivel de funcionamiento del proceso.
• Fuerte tendencia ascendente o descendente marcada por cinco puntos
consecutivos.
– Investigar las causas de estos cambios progresivos.
• Cambios bruscos de puntos próximos a un límite de control hacia el otro
límite.
– Examinar esta conducta errática.
 Gráficas P
Muestra Tamaño de N° de articulos Fracción
Ejercicio: Gráfica p muestra defectuosos dsconforme
1 100 6 0,06
2 100 4 0,04
Un fabricante e fusibles para 3 100 9 0,09
4 100 3 0,03
terminales de computadora quiere 5 100 0 0
vigilar el proceso de producción, 6 100 6 0,06
7 100 4 0,04
construyendo una gráfica P. Para 8 100 2 0,02
9 100 1 0,01
ello, cada hora durante un periodo 10 100 2 0,02
11 100 6 0,06
de 25 horas, selecciona al azar 100
12 100 3 0,03
fusibles de la línea de producción y 13 100 4 0,04
14 100 5 0,05
los prueba, obteniendo el número 15 100 5 0,05
16 100 4 0,04
de fusibles defectuosos. Los datos 17 100 1 0,01
fueron los siguientes 18 100 3 0,03
19 100 0 0
20 100 3 0,03
21 100 7 0,07
22 100 9 0,09
23 100 2 0,02
24 100 11 0,11
 Gráficas P
Ejercicio: Gráfica p

 Estimación de p  ṕ= 0,06+ 0,04+…+0,11 +0,03 =0,0412

25

 
0,0412 (1 −0,0412 )
√
 Límite de control superior del
diagrama p L SC=0,0412+3 =0,10
100

 Línea central del diagrama p  LC =0,0412

 
0,0412 ( 1−0,0412 )
 Límite de control
inferior del diagrama p
L IC =0,0412 −3
√ 100
=− 0,018=0
 Gráficas P
Ejercicio: Gráfica p

Gráfico p para Fracción

0,12
LSC = 0,10
0,1 CTR = 0,04
LIC = 0,00
0,08

0,06
p

0,04

0,02

0
0 4 8 12 16 20 24
Muestra

Análisis
En el diagrama se observa que el subgrupo 24 está fuera de los límites de
control, ya que este punto tiene su causa atribuible, los eliminaremos y calcularemos
de nuevo los límites. Estos límites se le llaman límites de control corregidos
 Gráficas P
Ejercicio: Gráfica p
 ṕ= 0,06+ 0,04+…+0,11 =0,0416
 Estimación de p corregida 1 24

 Límite de control superior del  

0,0416 ( 1−0,0416 )


diagrama p corregido 1 L SC=0,0416+3

  L C =0,0416
Línea central del diagrama p
√ 100
=0,10

corregida 1

 
 Límite de control inferior
0,0416 ( 1− 0,0416 )
del diagrama p corregido 1 L IC=0,0416 −3
√ 100
=− 0,018=0
 Gráficas P
Ejercicio: Gráfica p
Diagrama p revisado para la proporción de fusibles defectuosos en terminales de
computadoras después de haber eliminado el punto 24

Gráfico p para Fracción

0,12
LSC = 0,10
0,1 CTR = 0,04
LIC = 0,00
0,08

0,06
p

0,04

0,02

0
0 4 8 12 16 20 24
Muestra

Análisis

En el diagrama podemos observar que todos los puntos están dentro de los límites y no se observa
ningún patrón, por lo tanto podemos utilizar estos límites para controlar la producción futura
 Gráficas P
Ejercicio 2: Gráfica p
Gráficas P
 Gráficas NP
Ejercicio: Gráfica np

Se desea construir un gráfico de

control NP para controlar un
proceso que fabrica un chip que
se insertará en una tarjeta de
telefonía. Se tienen 25 muestras,
cada una formada por 50 chips. El
número de chips defectuosos en
cada una de las muestras se
muestra en la siguiente tabla
 Gráficas NP
Ejercicio: Gráfica np
 ´ 3+5+5+ …+4+ 2 91
𝑝= = =0,072
 Estimación de p 25 ( 50 ) 1250

 Límite de
control
L  SC=50 ∗ 0,0728+3 √ 50∗ 0,0728 ( 1− 0,0728 )=¿9,1513 ¿
superior del
diagrama np

 Línea central del diagrama np  𝐿𝐶=50 ∗ 0,0728=3,64

 Límite de control
inferior del
L  IC =50 ∗0,0728 −3 √ 50 ∗0,0728 ( 1 −0,0728 )=0
diagrama np
 Gráficas NP
Ejercicio: Gráfica np

Gráfico np para N° de articulos

10
LSC = 9,15
8 CTR = 3,64
LIC = 0,00
6
np

0
0 5 10 15 20 25
Muestra

Análisis

En el diagrama se observa que el subgrupo 5 está fuera de los límites de control, ya que
este punto tiene su causa atribuible, los eliminaremos y calcularemos de nuevo los
límites. Estos límites se le llaman límites de control corregidos
 Gráficas NP
Ejercicio: Gráfica np
 ´ 3+5+5+ …+4+ 2 81
 Estimación de p corregida 1 𝑝= = =0,0675
24 (50 ) 1200

 Límite de control
L  SC=50 ∗ 0,0675+3 √ 50∗ 0,0675 ( 1− 0,0675 )=¿8,6970¿
superior del diagrama
np corregido 1

 Línea central del diagrama np corregida 1  𝐿𝐶=50 ∗ 0,0675=3,375

 Límite de control
L  IC =50 ∗0,0675 −3 √ 50 ∗0,0675 ( 1 −0,0675 )=0
inferior del diagrama np
corregido 1
 Gráficas NP
Ejercicio: Gráfica np

Diagrama np revisado para el número de chips defectuosos en tarjetas telefónicas después

de haber eliminado el punto 5

Gráfico np para N° de articulos

10
LSC = 8,70
8 CTR = 3,38
LIC = 0,00
6
np

0
0 5 10 15 20 25
Muestra

Análisis

En el diagrama podemos observar que todos los puntos están dentro de los límites y no se
observa ningún patrón, por lo tanto podemos utilizar estos límites para controlar la producción
futura
 Gráficas NP
Ejercicio 2: Gráfica np
Gráficas NP
 Gráficas U
Ejercicio: Gráfica u Muestras defectos ci promedo defectos por unidad ui
1 3 0,6
2 2 0,4
3 0 0
Unas cubiertas para computadoras 4 1 0,2
5 4 0,8
personales se fabrican por moldeo por 6 3 0,6
7 2 0,4
inyección. Se toman periódicamente 8 4 0,8
muestras de cinco cubiertas de procesos 9 1 0,2
10 0 0
y se registran el número de defectos. 11 2 0,4
12 3 0,6
Los datos obtenidos para 25 muestras 13 2 0,4
14 8 1,6
se presentan a continuación. Determina 15 0 0
16 2 0,4
si el proceso está bajo control. De no ser
17 4 0,8
así, supongamos que pueden 18 3 0,6
19 5 1
encontrarse las causas asignables y que 20 0 0
21 2 0,4
los puntos fuera de control pueden 2 1 0,2
23 9 1,8
eliminarse.
24 3 0,6
25 2 0,4
 Gráficas U
Ejercicio: Gráfica u

 Estimación de u  u= 0,6+ 0,4+…+0,4 =0,52

25
  0,52
 Límite superior de control del diagrama u

 Línea central  LC =0,52

L SC=0,52+3
√ 5
=1,50

  0,52
 Límite inferior de control del diagrama u L IC =0,52 −3
√ 5
=0
 Gráficas U
Ejercicio: Gráfica u

Análisis

En el diagrama se observa que los subgrupos 14 y 23 están fuera de los límites de

control, ya que estos puntos tienen su causa atribuible, los eliminaremos y calcularemos
de nuevo los límites. Estos límites se le llaman límites de control corregidos.
 Gráficas U
Ejercicio: Gráfica u
  0,6+ 0,4+…+0,4
 Estimación de u corregida 1 u= =0,42
23
  0,42
 Límite superior de
diagrama u corregido 1
control del
L SC=0,42+3
√ 5
=1,30

 Línea central corregida 1  L C =0,42

  0,42
 Límite inferior de control del
diagrama u corregido 1
L IC =0,42 −3
√
5
=0
 Gráficas U
Ejercicio: Gráfica u

Análisis

En el diagrama podemos observar que todos los puntos están dentro de los límites y
no se observa ningún patrón, por lo tanto podemos utilizar estos límites para
controlar la producción futura.
 Gráficas U
Ejercicio 2: Gráfica u
Gráficas U
 Gráficas C
Ejercicio: Gráfica c

Un fabricante de cable de fibra

óptica desea controlar la calidad
del cable mediante un gráfico de
control C. Para ello toma como
unidad de medida los 50 metros e
inspecciona el número de defectos
que encuentra: micro suras,
arañazos externos, poros, etc.
 Gráficas C
Ejercicio: Gráfica c

 Estimación de c  ć= 8 + 4+…+17 =11,12

20

 Límite superior de control  LCS=11,12+3 √11,12=21,23

del diagrama c

 Línea central del diagrama C  LC = ć=11,12

 Límite inferior de control del  𝐿𝐼𝐶=11,12 − 3 √11,12=1,16

diagrama C
 Gráficas C
Ejercicio: Gráfica c

Gráfico c para N° defectos

24
LSC = 21,24
20 CTR = 11,20
LIC = 1,16
16

12
c

0
0 4 8 12 16 20
Muestra

Análisis

En el diagrama podemos observar que todos los puntos están dentro de los límites y no
se observa ningún patrón, por lo tanto podemos utilizar estos límites para controlar la
producción futura
 Gráficas C
Ejercicio 2: Gráfica c
Gráficas C
 Gráficas C
Resumen

Gráfica de Control
de Atributos

Piezas Defectuosas Defectos por pieza

Gráfica p Gráfica np Gráfica u Gráfica c

Gráficas de Control Por Atributos

•Conclusión

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.
 Referencias bibliográficas.

• Villoldo, A. G. (2018). HERRAMIENTAS DE GESTIÓN DE CALIDAD: Con ejemplos prácticos

en base a los requisitos de la norma ISO 9001:2015 (2.a ed., Vol. 1). Amorrortu.
• Total, A. E. P. L. C. C. P. E. D. D. L. C., Asociación Española para la Calidad, & Asociación
Española para la Calidad. Comité para el desarrollo de la Calidad Total. (2006). Modelos,
metodologías y herramientas de calidad (1.a ed., Vol. 1). Asociación Española para la Calidad.
• Herramientas estadísticas básicas para el mejoramiento de la calidad (1.a ed., Vol. 2). (1992).
Editorial UOC
• Gráfica de Control P – YouTube
• Grafica de Control NP – YouTube
GRACIAS POR SU
• GRAFICO C Excel – YouTube
• grafico u - excel - YouTube ATENCION.