Académique Documents
Professionnel Documents
Culture Documents
( )
x = 0, 1, 2, , n
(2-1)
(2-2)
Y
(
(2-4)
Respectivamente. Veremos ahora cmo se puede aplicar esta teora para desarrollar un
diagrama de control de la fraccin no conforme. Debido a que la grfica controla la fraccin
disconforme p del proceso, se denomina tambin diagrama de p.
Lnea Central
(2-5)
donde k es la distancia entre los lmites de control y la lnea central, expresada en mltiplos de la
desviacin estndar de w. se acostumbra escoger k = 3.
Cuando se conoce p.
Supongamos que se conoce la verdadera fraccin disconforme p en el proceso de
fabricacin, o que la administracin especifica un valor estndar. Entonces, a partir de (2-5), la lnea
central y los lmites de control del diagrama de control de la fraccin disconforme sern
Lnea Central
(2-6)
Cuando no se conoce p.
Cuando se desconoce la fraccin no conforme p del proceso, hay que estimarla a partir de
los datos observados. El procedimiento normal es seleccionar m muestras preliminares, cada una de
tamao n. Como regla general, m tendra que ser igual a 20 o 25. Entonces, si hay artculos no
conformes en la muestra i, se calcula la fraccin disconforme en la i-sima muestra como
i = 1, 2, . , m
(2-7)
Lnea Central =
(2-8)
Aqu, los lmites de control obtenidos en (2-8) se consideran Lmites de Control de Prueba.
Permite determinar si el proceso estaba bajo control cuando se obtuvieron las m muestras iniciales.
Para probar la hiptesis de un control anterior, hay que colocar en el diagrama la fraccin muestral
disconforme para cada muestra y analizar la representacin resultante. Si todos los puntos ubicados
caen entre los lmites de control, y no se manifiesta un comportamiento sistemtico, entonces
concluiremos que el proceso estaba bajo control en el pasado, y que los lmites de control de prueba
son adecuados para controlar la produccin actual y futura.
Supngase que una o ms de las estadsticas se encuentran fuera de control, comparadas
con los lmites de control de prueba. Es claro que si los lmites de control han de tener sentido para la
produccin actual o futura, deben basarse en datos de un proceso que est bajo control. Por lo tanto,
cuando se rechaza la hiptesis de un control anterior, es necesario revisar los lmites de control de
prueba. Esto se hace examinando cada uno de los puntos fuera de control y buscando una causa
atribuible. Si se halla sta, se descarta el punto, y se vuelven a calcular los lmites de control de
prueba, utilizando nicamente los puntos restantes.
En algunos casos es imposible determinar una causa atribuible para un punto que cae fuera
de control. Hay dos tipos de accin que pueden tomarse. La primera es eliminar el punto, como si se
hubiera encontrado una causa atribuible. No existe una justificacin analtica para actuar de esta
manera. La alternativa es conservar el punto (o los puntos) considerando los lmites de control de
prueba adecuados para el control actual. Naturalmente, si el punto representa en realidad una
condicin fuera de control, los lmites resultantes sern demasiado amplios.
Si el diagrama de control se basa en un valor conocido o estndar de la fraccin disconforme
p, entonces el clculo de lmites de control de prueba suele ser innecesario. Sin embargo, se debe
tener cuidado al trabajar con un valor estndar de p. Ya que en la prctica raras veces se conoce con
exactitud el verdadero valor estndar de p, normalmente se proporciona un valor estndar de p que
representa un valor deseado u objetivo para la fraccin disconforme del proceso.
Ejemplo 2.1
Se envasa jugo de naranja concentrado y congelado en botes de cartn de 6 oz. Estos envases
los produce una mquina formando un tubo a partir de una pieza de cartn y aplicando despus un
fondo metlico. Al inspeccionar un bote se puede determinar al llenarlo si gotear por la junta lateral
o por el fondo. Se desea elaborar un diagrama de control para vigilar la fraccin de envases
disconformes producidos por esta mquina.
Para establecer el diagrama de control, se seleccionaron 30 muestras de n = 50 botes cada
media hora durante un periodo de tres turnos, en los cuales la mquina oper continuamente. Los
datos se muestran en la Tabla 2-1 a.
Tabla 2.1 a
Nmero de
Muestra, i
1
2
3
4
5
6
7
8
9
10
11
12
Tamao
Fracci
Nmero de
de la
isco orme
Disconformes, Muestra,
uestral
Di
ni
i
i i
12
50
0.24
15
50
0.3
8
50
0.16
10
50
0.2
4
50
0.08
7
50
0.14
16
50
0.32
9
50
0.18
14
50
0.28
10
50
0.2
5
50
0.1
6
50
0.12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
17
12
22
8
10
5
13
11
20
18
24
15
9
12
7
13
9
6
347
11.5667
Promedio =
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
1500
50.0000
0.34
0.24
0.44
0.16
0.2
0.1
0.26
0.22
0.4
0.36
0.48
0.3
0.18
0.24
0.14
0.26
0.18
0.12
6.94
0.2313
Solucin:
Para construir el diagrama de control preliminar y determinar si el proceso estaba bajo
control cuando se obtuvieron los datos, se calculan los lmites de control, superior e inferior, del
diagrama.
= 6.94 ;
m = 30 ;
n = 50
Lnea Central = ;
LC = 0.2313
)
0.0524
0.6
0.5
0.4
pi
0.3
LIC
LC
0.2
LSC
0.1
0
1 2 3 4 5 6 7 8 9 101112131415161718192021222324252627282930
Nmero de Muestra
Figura 2.1 a.
En la figura 2.1 a. se observa que los puntos correspondientes a las muestras 15 y 23, se
encuentran por arriba del lmite superior de control y, por lo tanto, el proceso est fuera de control.
En consecuencia, se debe investigar para saber si hay alguna causa atribuible.
El anlisis de los datos de la muestra 15 revel que se utiliz una nueva remesa de materia
prima de cartn en la produccin durante este lapso de media hora. El uso de nuevas remesas de
materia prima suele provocar una produccin irregular, en algunas ocasiones, y es razonable pensar
que esto fue lo que sucedi aqu. Adems, durante el periodo de media hora en que se obtuvo la
muestra 23, se haba asignado a esta mquina un operador con poca experiencia, y esto podra
explicar la alta fraccin disconforme de dicha muestra. Por lo tanto se eliminan las muestras 15 y 23,
y se determinan nuevamente la lnea central y los lmites de control revisados, como sigue:
Lnea Central = ;
Tabla 2.1 b
LC = 0.2150
)
Nmero de
Nmero de Disconformes,
Muestra, i
Di
1
12
2
15
3
8
4
10
5
4
6
7
7
16
8
9
9
14
10
10
11
5
12
6
13
17
14
12
16
8
17
10
18
5
19
13
20
11
21
20
22
18
24
15
25
9
26
12
27
7
28
13
29
9
30
6
301
Promedio =
10.7500
Tamao
de la
Muestra,
ni
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
1400
50.0000
Fracci
isco orme
uestral
i
i i
0.24
0.3
0.16
0.2
0.08
0.14
0.32
0.18
0.28
0.2
0.1
0.12
0.34
0.24
0.16
0.2
0.1
0.26
0.22
0.4
0.36
0.3
0.18
0.24
0.14
0.26
0.18
0.12
6.02
0.2150
0.0407
10
0.45
0.4
0.35
0.3
0.25
pi
0.2
LIC
0.15
LC
0.1
LSC
0.05
0
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 26 27 28
Nmero de Muestra
Figura 2.1 b
Concluimos que el proceso est bajo control al nivel p = 0.2150, y que se deben adoptar
lmites de control revisados para verificar la produccin actual. Sin embargo, se observa que la
fraccin disconforme es demasiado grande, an cuando el proceso est bajo control. Es decir, el
proceso funciona de manera estable, y no hay problemas anormales que no pueda controlar el
operario. Es decir, es improbable que se pueda mejorar la calidad del proceso mediante acciones al
nivel del trabajador. Por lo tanto, es necesario que la administracin de la empresa intervenga, si es
que se quiere mejorar el funcionamiento del proceso y, de esta forma, reducir la fraccin
disconforme de envases producidos. La administracin de la empresa acepta el reto y determina que,
adems de utilizar los diagramas de control para mantener la calidad de los envases, el personal de
ingeniera debe analizar el proceso para mejorar su rendimiento. Tal estudio indica que es posible
realizar varios ajustes en la mquina, los cuales debern mejorar su funcionamiento.
Durante los tres turnos posteriores a los ajustes realizados a la mquina y a la introduccin
del diagrama de control, se obtienen 24 muestras ms de n = 50 observaciones cada una. En la tabla
2.2 aparecen los datos, y las fracciones muestrales no conformes se indican en el diagrama de control
de la figura 2.2 a.
11
Tabla 2.2
Nmero de
Nmero de Disconformes,
Muestra, i
Di
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
Promedio =
9
6
12
5
6
4
5
3
7
6
2
4
3
6
5
4
8
5
6
7
5
6
3
4
131
5.4583
Tamao
de la
Muestra,
ni
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
1200
50.0000
Fracci
isco orme
uestral
i
i i
0.18
0.12
0.24
0.1
0.12
0.08
0.1
0.06
0.14
0.12
0.04
0.08
0.06
0.12
0.1
0.08
0.16
0.1
0.12
0.14
0.1
0.12
0.06
0.08
2.62
0.1092
12
0.45
0.4
0.35
0.3
0.25
pi
0.2
LIC
0.15
LC
0.1
LSC
0.05
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Nmero de Muestra
Figura 2.2 a.
Lnea Central = ;
LC = 0.1092
)
-0.0231
Debido a que el lmite inferior de control calculado es menor que cero, debemos hacer que
LIC = 0.
13
Por lo tanto, el nuevo diagrama de control tendr nicamente lmite de control superior
(Nota. En el diagrama de la figura 2.2 b, no se aplic eso de que LIC = 0).
En la figura 2.2 b, se muestra el diagrama de control de la fraccin disconforme (diagrama p),
con los nuevos lmites de control. Por inspeccin de la figura 2.2 b, se observa que todos los puntos
de la fraccin disconforme muestral estn por abajo del lmite de control superior revisado, por lo
cual concluimos que el proceso est bajo control a este nuevo nivel (p = 0.1092).
pi
0.15
LIC
0.1
LC
0.05
LSC
0
-0.05
Figura 2.2 b.
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Nmero de Muestra
14
1. Regla para tener una alta probabilidad de encontrar al menos una unidad disconforme en la
muestra.
Si p es pequeo, habr que escoger n lo suficientemente grande para tener una alta
probabilidad de encontrar por lo menos una unidad disconforme en la muestra. De no ser as, los
lmites de control podran ser tales que la presencia de una sola unidad no conforme indicara una
condicin fuera de control. Por ejemplo, si p = 0.01 y n = 8, el lmite de control superior es:
Por lo tanto, si hubiera un artculo disconforme en la muestra, entonces p = 1/8 = 0.1250 es mayor
que LSC = 0.1155, y se concluira que el proceso estara fuera de control. En muchos casos no es
razonable concluir que el proceso est fuera de control con base en la observacin de un solo artculo
disconforme.
Para evitar esto, se podra escoger n de manera que la probabilidad de hallar por lo menos un
artculo no conforme en la muestra sea al menos igual a . Por ejemplo, supngase que p = 0.01 y que
se desea que la probabilidad de encontrar por lo menos un artculo disconforme en la muestra sea de
por lo menos 0.95. Sea D el nmero de unidades disconformes, y entonces se desea determinar el
}
valor de n de tal modo que {
. Mediante la aproximacin de Poisson a la Binomial,
se halla, a partir de la tabla acumulativa de Poisson, que = np debe ser igual a 3.00. Por
consiguiente, como p = 0.01, esto implica que el tamao de la muestra tendra que ser igual a 300.
Demostracin:
{La probabilidad de al menos 1 disconforme} = 1 - {la probabilidad de cero o menos disconformes}.
Con smbolos:
{
Si
}
}
};
entonces, sust. en (1):
Y despejando:
(1)
{
}
} = 1 - 0.95 = 0.05
= np y en consecuencia,
15
Por consiguiente, como p = 0.01, esto implica que el tamao de la muestra tendra que ser
igual a 300.
2. Regla para tener una probabilidad aproximada del 50 % de detectar un cambio de alguna
cantidad especificada en el proceso.
Duncan (1974) ha sugerido que el tamao de la muestra tendra que ser suficientemente
grande para tener una probabilidad aproximada de 50 % de detectar un cambio de alguna cantidad
especificada en el proceso. Por ejemplo, supngase que p = 0.01, y que se desea una probabilidad de
0.50 para detectar un cambio hacia p = 0.05. Al suponer que se puede aplicar la aproximacin
Normal a la Binomial, habra que elegir n de manera que el lmite superior de control coincida
exactamente con la fraccin no conforme en el estado bajo control. S es la magnitud del cambio
en el proceso, entonces n tendr que satisfacer
(
(2.9)
Por lo tanto
(
( )
(2.10)
) (
)(
(2.11)
(2.12)
Por ejemplo, si p = 0.05 y se usan limites de tres sigmas, el tamao muestral tendr que ser
(
En consecuencia, si
positivo.
( )
artculos, la grfica de control tendr un lmite inferior de control
16
np.
npson:
LSCnp3 np(1 p)
Lnea Central =
np
(2.13)
LICnp3 np(1 p)
Si no se dispone de un valor estndar para
p,
entonces se usar
para estimar a
p.
variable.
En algunas aplicaciones del diagrama de control de la fraccin disconforme, la muestra es una
inspeccin del 100% de la produccin del proceso durante algn periodo. El Diagrama de Control
tendr un tamao muestral variable, debido a que se podran producir diferentes cantidades de
artculos en cada periodo. Existen varios mtodos para construir y utilizar un diagrama de control de
la fraccin disconforme con tamao muestral variable.
Primer Mtodo.
Este mtodo consiste en determinar para cada muestra individual lmites de control en base
al tamao muestral especfico. Es decir, si la i-sima muestra es de tamao ni , entonces los lmites
superior e inferior de control se calculan con
LSC p 3 p ;
o en su defecto con:
LSC p 3 p(1 p)
ni
Lnea Central =
LIC p3 p ;
p3 p(1 p)
ni
LIC p 3 p(1 p)
ni
(2.14)
17
Ejemplo 2.2
Para ilustrar este mtodo, considere los datos de la tabla 2.3 (tabla 5-4, Pagina 116,
Montgomery).
Tabla 2.3
Nmero de
Muestra, i
Tamao
muestral, ni
Nmero de
disconformidades, Di
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
100
80
80
100
110
110
100
100
90
90
110
120
120
120
110
80
80
80
90
100
100
100
100
90
90
2450
12
8
6
9
10
12
11
16
10
6
20
15
9
8
6
8
10
7
5
8
5
8
10
6
9
234
D 234
p
0.0955
2450
n
25
i1
25
i1
Por lo tanto, la Lnea Central se encuentra en 0.0955 y los lmites de control se obtienen con (2.14);
18
En la tabla 2.4 aparecen los valores de los lmites de control que sirven de base para la
elaboracin del diagrama de control de la fraccin disconforme (Diagrama P), con tamao muestral
variable. A manera de ejemplo, se muestra el clculo de los lmites de control para las muestras 1 y 2.
19
Tabla 2.4
Del Ejemplo 2.2 (Tabla 5-4, pgina 116, Montgomery)
Diagrama de Control de la Fraccin Disconforme (Diagrama p), con Tamao Muestral Variable
pi = Di/ ni
m
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
ni
100
80
80
100
110
110
100
100
90
90
110
120
120
120
110
80
80
80
90
100
Di
12
8
6
9
10
12
11
16
10
6
20
15
9
8
6
8
10
7
5
8
pi = 3 ( p(1- p
ni
0.1200
0.1000
0.0750
0.0900
0.0909
0.1091
0.1100
0.1600
0.1111
0.0667
0.1818
0.1250
0.0750
0.0667
0.0545
0.1000
0.1250
0.0875
0.0556
0.0800
0.0294
0.0329
0.0329
0.0294
0.0280
0.0280
0.0294
0.0294
0.0310
0.0310
0.0280
0.0268
0.0268
0.0268
0.0280
0.0329
0.0329
0.0329
0.0310
0.0294
0.0882
0.0986
0.0986
0.0882
0.0841
0.0841
0.0882
0.0882
0.0929
0.0929
0.0841
0.0805
0.0805
0.0805
0.0841
0.0986
0.0986
0.0986
0.0929
0.0882
C = p - 3 ( p(1ni
C=p
LIC
0.0073
-0.0031
-0.0031
0.0073
0.0114
0.0114
0.0073
0.0073
0.0026
0.0026
0.0114
0.0150
0.0150
0.0150
0.0114
-0.0031
-0.0031
-0.0031
0.0026
0.0073
LC
0.0955
0.0955
0.0955
0.0955
0.0955
0.0955
0.0955
0.0955
0.0955
0.0955
0.0955
0.0955
0.0955
0.0955
0.0955
0.0955
0.0955
0.0955
0.0955
0.0955
LIC
0.0073
0.0000
0.0000
0.0073
0.0114
0.0114
0.0073
0.0073
0.0026
0.0026
0.0114
0.0150
0.0150
0.0150
0.0114
0.0000
0.0000
0.0000
0.0026
0.0073
C = p 3 ( p(1- p
LSC
0.1837
0.1941
0.1941
0.1837
0.1796
0.1796
0.1837
0.1837
0.1885
0.1885
0.1796
0.1760
0.1760
0.1760
0.1796
0.1941
0.1941
0.1941
0.1885
0.1837
ni
20
21
22
23
24
25
=
100
100
100
90
90
2450
5
8
10
6
9
234
Promedio, p =
p=
0.0955
0.0500
0.0800
0.1000
0.0667
0.1000
2.3805
0.0952
0.0294
0.0294
0.0294
0.0310
0.0310
0.0882
0.0882
0.0882
0.0929
0.0929
0.0073
0.0073
0.0073
0.0026
0.0026
n = ni/m
n =
98
0.0073
0.0073
0.0073
0.0026
0.0026
0.0955
0.0955
0.0955
0.0955
0.0955
0.2500
0.2000
0.1500
pi
0.1000
LIC
LC
0.0500
LSC
0.0000
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
Tamao de Muestra
0.1837
0.1837
0.1837
0.1885
0.1885
21
Segundo Mtodo.
Con este mtodo, el Diagrama de Control de la Fraccin Disconforme (Diagrama p), para
muestras de tamao variable, se disea con lmites de control basados en un tamao muestral
promedio, lo que da como resultado un conjunto aproximado de lmites de control. Para esto se
supone que los futuros tamaos muestrales no sern muy diferentes de los observados antes.
Si se utiliza este mtodo, los lmites de control sern constantes. Sin embargo, si hay una
variacin extraordinariamente grande en el tamao de una muestra en particular, o un punto cae
cerca de los lmites de control aproximados, entonces se tendrn que determinar los lmites de
control exactos para este punto y examinarlo respecto a su valor.
Para los datos de la Tabla 2-4, se tiene que el tamao muestral promedio es
n
25
i
n i1 2450 98
m
25
22
Tabla 2.5
Ejemplo 2.2
Diagrama de Control de la Fraccin Disconforme (Diagrama p), con Tamao Muestral Promedio
pi = Di/ ni
m
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
ni
100
80
80
100
110
110
100
100
90
90
110
120
120
120
110
80
80
80
90
100
100
100
Di
12
8
6
9
10
12
11
16
10
6
20
15
9
8
6
8
10
7
5
8
5
8
pi = 3 ( p(1- p
0.1200
0.1000
0.0750
0.0900
0.0909
0.1091
0.1100
0.1600
0.1111
0.0667
0.1818
0.1250
0.0750
0.0667
0.0545
0.1000
0.1250
0.0875
0.0556
0.0800
0.0500
0.0800
0.0297
0.0297
0.0297
0.0297
0.0297
0.0297
0.0297
0.0297
0.0297
0.0297
0.0297
0.0297
0.0297
0.0297
0.0297
0.0297
0.0297
0.0297
0.0297
0.0297
0.0297
0.0297
0.0891
0.0891
0.0891
0.0891
0.0891
0.0891
0.0891
0.0891
0.0891
0.0891
0.0891
0.0891
0.0891
0.0891
0.0891
0.0891
0.0891
0.0891
0.0891
0.0891
0.0891
0.0891
C = p - 3 ( p(1n
C=p
C = p 3 ( p(1- p
LIC
0.0064
0.0064
0.0064
0.0064
0.0064
0.0064
0.0064
0.0064
0.0064
0.0064
0.0064
0.0064
0.0064
0.0064
0.0064
0.0064
0.0064
0.0064
0.0064
0.0064
0.0064
0.0064
LC
0.0955
0.0955
0.0955
0.0955
0.0955
0.0955
0.0955
0.0955
0.0955
0.0955
0.0955
0.0955
0.0955
0.0955
0.0955
0.0955
0.0955
0.0955
0.0955
0.0955
0.0955
0.0955
LSC
0.1846
0.1846
0.1846
0.1846
0.1846
0.1846
0.1846
0.1846
0.1846
0.1846
0.1846
0.1846
0.1846
0.1846
0.1846
0.1846
0.1846
0.1846
0.1846
0.1846
0.1846
0.1846
LIC
0.0064
0.0064
0.0064
0.0064
0.0064
0.0064
0.0064
0.0064
0.0064
0.0064
0.0064
0.0064
0.0064
0.0064
0.0064
0.0064
0.0064
0.0064
0.0064
0.0064
0.0064
0.0064
23
23
24
25
100
90
90
2450
10
6
9
0.1000
0.0667
0.1000
2.3805
234
Promedio, p =
p=
0.0955102
0.0952
0.0297
0.0297
0.0297
0.0891
0.0891
0.0891
0.0064
0.0064
0.0064
n = ni/m
n =
98
0.0064
0.0064
0.0064
0.0955
0.0955
0.0955
0.1846
0.1846
0.1846
pi
LIC
LC
LSC
1
9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
Nmero de Muestra
24
{
}
(2.15)
p
0.01
0.03
0.05
0.10
0.15
0.20
0.25
0.30
0.35
0.40
0.45
0.50
0.55
P { D 18
1.0000
1.0000
1.0000
1.0000
0.9999
0.9975
0.9713
0.8594
0.6216
0.3356
0.1273
0.0325
0.0053
p}
P { D 2 p}
0.9862
0.8108
0.5405
0.1117
0.0142
0.0013
0.0001
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
= P { D 18
p} -
0.0138
0.1892
0.4595
0.8883
0.9857
0.9962
0.9712
0.8594
0.6216
0.3356
0.1273
0.0325
0.0053
P{D 2
p}
25
1.0000
0.8000
0.6000
0.4000
0.2000
0.0000
0.01 0.03 0.05 0.10 0.15 0.20 0.25 0.30 0.35 0.40 0.45 0.50 0.55
Fraccin Disconforme, p
Figura 2.5
26
x = 0, 1, 2, .
x
P(x) e
x!
2 c
LSCc3 c
LneaCentral
c
(2.16)
LICc3 c
Suponiendo que se dispone de un valor estndar para
para el LIC, entonces tmese LIC = 0.
c.
27
LSCc 3 c
LneaCentral
c
(2.17)
LSCc 3 c
Los lmites de control obtenidos con la ecuacin (2.17) se deben de considerar como
mites de Control de Prueba cuando no se dispone de un valor estndar, y es necesario
examinar las muestras preliminares para detectar una posible falta de control. El diagrama de
control de disconformidades se llama a veces Diagrama de c .
Ejemplo 2.3
Tabla 2-7
impresos.
Nmero de
Muestra, i
Nmero de
Disconformidades, ci
Nmero de
muestra, i
Nmero de
disconformidades, ci
1
2
3
4
5
6
7
8
9
10
11
12
13
21
24
16
12
15
5
28
20
31
25
20
24
16
14
15
16
17
18
19
20
21
22
23
24
25
26
19
10
17
13
22
18
39
30
24
16
19
17
15
28
Solucin:
Ya que las 26 muestras contienen un total de 516 disconformidades, se estima a c por
c
26
51619.85
m 26
i1
Por lo tanto, utilizando la ecuacin (2.17), los lmites de control de prueba son
45
40
35
30
25
Di
20
LIC
15
10
LSC
0
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 26
Nmero de Muestra
Figura 2-6
En el diagrama de la figura 2-6 se observa que dos puntos caen fuera de los lmites de control, que
son los puntos que corresponden a las muestras 6 y 20. La investigacin de la muestra 6 revel
29
que un inspector nuevo haba examinado las tarjetas de dicha muestra y no reconoci varios tipos
de disconformidades que podran haber estado presentes. Adems, el nmero demasiado grande
de disconformidades en la muestra 20 se debi a un problema en el control de la temperatura en
la mquina de soldar en onda, el cual se resolvi inmediatamente. Por lo tanto, parece razonable
excluir estas dos muestras y revisar los lmites de control de prueba. Ahora se calcula c tomando
en cuenta nicamente los datos de las 24 muestras que quedan, obteniendo el siguiente valor
c
24
47219.67
m 24
i1
Nmero de Disconformidades, Di
Di
15
LIC
10
c
LSC
5
0
1 2 3 4 5 7 8 9 10 11 12 13 14 15 16 17 18 19 21 22 23 24 25 26
Tamao de Muestra
Figura 2.7
30
nc = (2.5)(19.67) = 49.18
u c
n
Ntese que u es una variable aleatoria de Poisson, ya que es una combinacin lineal de n
variables aleatorias independientes de Poisson. Por consiguiente, los parmetros del diagrama de
control son
31
LSCu 3 u
n
LineaCentral
u
LICu 3 u
n
Donde u representa el nmero promedio observado de no conformidades por unidad en un
conjunto preliminar de datos. Los lmites de control, obtenidos a partir de la ecuacin anterior, se
consideraran lmites de control de prueba. Esta grfica se denomina diagrama de control de
disconformidades por unidad, o diagrama u .
Ejemplo 2-4
Un fabricante de computadoras personales desea establecer un diagrama de control de
disconformidades por unidad en la lnea de montaje final. Se seleccionan como tamao muestral
cinco computadoras. Los datos respecto al nmero de no conformidades en 20 muestras, de cinco
computadoras cada una, aparecen en la tabla 2-8. A partir de estos datos estimaramos el nmero
medio de no conformidades por unidad:
m20
38.601.93
m
20
i1
LneaCentral
u 1.93
LICu 3 u 1.933 1.93 0.07
n
5
El diagrama de control de disconformidades por unidad (Diagrama de U) se muestra en la Figura
2.10. Los datos preliminares no presentan una falta de control estadstico; por lo tanto, se
adoptaran los lmites de control de prueba para el control actual. Una vez ms ntese que el
nmero medio de disconformidades por unidad es demasiado alto, aunque el proceso se
encuentre bajo control. La administracin debe emprender acciones para mejorar el proceso.
32
Nmero
de
Tamao
Muestra, i muestral, n
Muestra i
N
1
5
2
5
3
5
4
5
5
5
6
5
7
5
8
5
9
5
10
5
11
5
12
5
13
5
14
5
15
5
16
5
17
5
18
5
19
5
20
5
Total:
100
Nmero total de
disconformidades, c
c
10
12
8
14
10
16
11
7
10
15
9
5
7
11
12
6
8
10
7
5
193
Nmero de
disconformidades
por unidad, u=c/n
U
2.0
2.4
1.6
2.8
2.0
3.2
2.2
1.4
2.0
3.0
1.8
1.0
1.4
2.2
2.4
1.2
1.6
2.0
1.4
1.0
38.6
LIC
0.07
0.07
0.07
0.07
0.07
0.07
0.07
0.07
0.07
0.07
0.07
0.07
0.07
0.07
0.07
0.07
0.07
0.07
0.07
0.07
LC
1.93
1.93
1.93
1.93
1.93
1.93
1.93
1.93
1.93
1.93
1.93
1.93
1.93
1.93
1.93
1.93
1.93
1.93
1.93
1.93
LSC
3.79
3.79
3.79
3.79
3.79
3.79
3.79
3.79
3.79
3.79
3.79
3.79
3.79
3.79
3.79
3.79
3.79
3.79
3.79
3.79
33
4.0
3.5
3.0
2.5
u
2.0
LIC
1.5
LC
1.0
LSC
0.5
0.0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Nmero de muestra
Figura 2-8
Diagrama de u
34
c 153
u
1.42
107
.
5
n
m
i1
m
i1
Tabla 2-9
Nm. de
Unid. de
cantidad Nmero Total de inspeccin
Nmero
de metros Disconformidades, por rollo,
de Rollo, i cuadrados c
n
2
muestra, i
m
c
n
1
500
14
10.0
2
400
12
8.0
3
650
20
13.0
4
500
11
10.0
5
475
7
9.5
6
500
10
10.0
7
600
21
12.0
8
525
16
10.5
9
600
19
12.0
10
625
23
12.50
Total:
5375
153
107.5
Nmero de
disconformidades
por unidad de
inspeccin, u
u
1.40
1.50
1.54
1.10
0.74
1.00
1.75
1.52
1.58
1.84
13.97
Limite
Inferior
de
Lnea
Control Central
LIC
LC
0.291
1.423
0.158
1.423
0.431
1.423
0.291
1.423
0.262
1.423
0.291
1.423
0.390
1.423
0.319
1.423
0.390
1.423
0.411
1.423
Limite
Superior
de
Control
LSC
2.555
2.689
2.416
2.555
2.584
2.555
2.456
2.528
2.456
2.436
1.00
0.50
0.00
Figura 2.9
variable.
10