1

CONTROL ESTADSTICO DE CALIDAD

La Inspeccin y las pruebas que se le hacen a un producto no le incorporan calidad; para
agregarle calidad a un producto es necesario fabricarlo correctamente desde el principio. Para lograr
esto, es necesario que los procesos de fabricacin sean estables y que funcionen de tal manera que
virtualmente todos los productos fabricados cumplan con las especificaciones. Los controles
estadsticos de procesos en lnea son los medios bsicos que se usan para fabricar el producto
correctamente desde el principio. El tipo ms sencillo de los procedimientos de control de calidad de
procesos en lnea son los Diagramas de Control.
Los tres usos fundamentales de un Diagrama de Control son:
1. Rastreo y Vigilancia de un proceso.
2. Reduccin de la Variabilidad del Proceso.
3. Estimacin de los Parmetros de Producto o de proceso.

2. CMO FUNCIONA EL DIAGRAMA DE CONTROL

2.1 Causas Fortuitas y Causas Atribuibles de la Variacin de la Calidad.
En cualquier proceso de fabricacin, sin importar su buen diseo o mantenimiento cuidadoso,
siempre existir cierto grado de variabilidad inherente o natural. Esta variabilidad natural o ruido de
fondo es el efecto acumulativo de muchas pequeas causas, esencialmente incontrolables. Cuando
el ruido de fondo de un proceso es relativamente pequeo, suele considerarse un nivel aceptable del
funcionamiento del proceso. En el marco del control estadstico de calidad, esta variabilidad natural
se llama a menudo Sistema Estable de Causas Fortuitas. Un proceso que funciona con solo causas
fortuitas de variabilidad se considera bajo control estadstico.
Otros tipos de variabilidad pueden estar presentes ocasionalmente en el resultado de un
proceso. Esta variabilidad en caractersticas claves de calidad surge por lo comn de tres fuentes:
ajuste incorrecto de mquinas, errores de operario o defectos en las materias primas (o alguna
combinacin de estos tres factores). Esta variabilidad es en general mayor que el ruido de fondo, y
normalmente representa un nivel inaceptable del funcionamiento del proceso. Estas fuentes de
variabilidad que no forman parte del esquema de las causas fortuitas se denominan causas
atribuibles. Un proceso que funciona en presencia de causas atribuibles se considera Fuera de
Control.
Es comn que los procesos de fabricacin funcionen adecuadamente durante periodos de
tiempo relativamente largos. Sin embargo, en algunas ocasiones se presentan causas atribuibles,
aparentemente al azar, que provocan un cambio hacia un estado fuera de control, en el que una
mayor proporcin del producto que sale del proceso no cumple con las especificaciones. Uno de los

objetivos ms importantes del control estadstico de procesos es detectar rpidamente la ocurrencia

de causas atribuibles o cambios en el proceso, a fin de que se pueda investigar y tomar acciones
correctivas antes de la produccin de muchas piezas no conformes. El diagrama de control es una
tcnica de control de procesos en lnea, que se utiliza ampliamente con este propsito. Tambin se
pueden utilizar stos diagramas para evaluar los parmetros de un proceso de produccin, y a partir
de esta informacin, determinar la capacidad del proceso. Finalmente, recurdese que la meta final
del control estadstico de procesos es la eliminacin de la variabilidad del proceso.

2.2 DIAGRAMAS DE CONTROL PARA ATRIBUTOS

2.2.1 Introduccin
Muchas caractersticas de calidad no se pueden representar en forma conveniente por
nmeros. En tales casos, cada artculo o producto inspeccionado se clasifica como conforme o
disconforme con las especificaciones para tal caracterstica de calidad. Las caractersticas de calidad
de este tipo se llaman atributos. Algunos ejemplos de caractersticas de calidad que son atributos
son: la ocurrencia de bielas deformes para motores de automvil, la proporcin de chips de
semiconductores no funcionales en una corrida de produccin, etc.

2.2.2 DIAGRAMA DE CONTROL PARA LA FRACCIN DE DISCONFORMES

(DIAGRAMA P)
La Fraccin (o Proporcin) de disconformes, o Fraccin Disconforme, se define como el
cociente del nmero de artculos disconformes en una poblacin entre el nmero total de artculos
que contiene dicha poblacin. Los artculos pueden tener varias caractersticas de calidad que el
inspector examina simultneamente. Si no est conforme con el estndar de una o ms de tales
caractersticas de calidad, se clasificar como disconforme.
Los principios estadsticos que sirven de base al diagrama de control de la fraccin o
proporcin disconforme se basan en la distribucin binomial. Supngase que el proceso de
produccin funciona de manera estable, de tal suerte que la probabilidad de que cualquier artculo no
est conforme con las especificaciones es p, y que los artculos producidos sucesivamente son
independientes. Entonces cada artculo producido es una variable aleatoria Bernoulli, con parmetro
p. Si se selecciona una muestra aleatoria de n artculos del producto, y D representa el nmero de
artculos no conformes, entonces D tiene Distribucin Binomial con parmetros n y p; es decir,
{

( )

x = 0, 1, 2, , n

(2-1)

La Media y la Variancia de la variable aleatoria D son np y np(1-p), respectivamente.

La Fraccin Disconforme Muestral se define como el cociente del nmero de artculos
disconformes D en la muestra, entre el tamao muestral n; o sea,

(2-2)

Se puede obtener la distribucin de la variable aleatoria a partir de la distribucin binomial.

Adems, la media y la variancia de son
(2-3)

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.

Desarrollo y Empleo del Diagrama de Control.

El desarrollo del diagrama de control de Shewhart se basa en los principios estadsticos
generales estudiados anteriormente. Si w es una estadstica que mide una caracterstica de calidad,
la media de w es 1, y si la varianza de w es 1, entonces el modelo general para el diagrama de
control de Shewhart es el siguiente:

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)

El manejo real de este diagrama consistira en tomar muestras subsecuentes de n unidades,

calcular la fraccin muestral disconforme , y graficar la estadstica en el diagrama. Mientras
quede entre los lmites de control y la sucesin de puntos ubicados no exhiba un patrn sistemtico,
se concluye que el proceso est bajo control, al nivel p. Si un punto queda fuera de los lmites de
control, o si se observa un patrn no aleatorio entre los puntos, habr que concluir que la fraccin de
disconformes del proceso cambi hacia un nuevo nivel y que el proceso est fuera de control.

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

y la media de estas fracciones disconformes muestrales individuales es

(2-7)

La estadstica estima la fraccin disconforme p desconocida. La lnea central y los lmites

de control del diagrama de control de la fraccin disconforme se calculan entonces de la manera
siguiente:

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

Por lo tanto, los lmites de control superior e inferior son:

Lnea Central = ;

LC = 0.2313
)

Los lmites de control as obtenidos se llaman Lmites de Co trol de Prueba.

0.0524

En la figura 2.1a, se muestra el diagrama de control con lnea central en

y los
lmites de control, superior e inferior, calculados anteriormente. En este diagrama se grafica la
fraccin muestral disconforme para cada muestra preliminar.

Diagrama de la Fraccin Disconforme

(Diagrama p)
Fraccin Disconforme Muestral, pi

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.

Diagrama de Control de la fraccin Disconforme para los datos de la tabla 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
)

Despus de haber eliminado las muestras 15 y 23

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

Con los limites de control revisados, obtenidos anteriormente, se construye el diagrama de

control que se muestra en la figura 2.1 b, en la cual se observa que la fraccin disconforme de la
muestra 21 (de la tabla 2.1 b) es mayor que el lmite superior de control. Sin embargo, el anlisis de
los datos no revela una causa atribuible o lgica, y se decide conservar este punto.

Diagrama de la Fraccin Disconforme

Diagrama p
Fraccin Muestral Disconforme, pi

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

Diagrama de control de la fraccin disconforme, con limites de control revisados.

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

Al examinar la figura 2.2 a, la impresin inmediata es que el proceso funciona ahora a un

nuevo nivel de calidad, que es considerablemente menor que la lnea central
El punto
correspondiente a la muestra 11 se encuentra por debajo del lmite inferior de control. No es posible
determinar una causa atribuible para esta seal fuera de control. Las nicas razones lgicas para este
cambio ostensible en el funcionamiento del proceso son los ajustes de mquina realizados por el
personal de ingeniera y, probablemente, los operadores mismos.

12

Diagrama de Control de la Fraccin Disconforme

(Diagrama p)
Fraccin Disconforme Muestral, pi

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.

Diagrama de Control de la fraccin disconforme, del ejemplo 2.1, despus de

hacerle ajustes a la Mquina.

Es normal observar que el funcionamiento del proceso mejora despus de la introduccin de

procedimientos formales de control estadstico de procesos, muchas veces porque los operadores
estn ms conscientes de la calidad del proceso, y el diagrama de control proporciona una
representacin visual continua de su funcionamiento.
Parece lgico revisar nuevamente los lmites de control, utilizando solo los datos de este
periodo ms reciente de tres turnos. Los nuevos lmites son:

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).

Fraccin Disconforme Muestral, pi

Diagrama de Control de la Fraccin Disconforme

(Diagrama p)
0.3
0.25
0.2

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

Diagrama de Control de la fraccin disconforme, del ejemplo 2.1, despus de

hacerle ajustes a la Mquina.

Parmetros del diagrama de Control de la Fraccin Disconforme

El diagrama de control de la fraccin disconforme tiene tres parmetros que hay que
especificar: el tamao de la muestra, la frecuencia del muestreo y la amplitud de los lmites de
control. En el caso ideal se tendran que escoger estos parmetros conforme a algunos criterios
econmicos. Sin embargo, tambin existen algunas directrices generales para seleccionar estos
parmetros.
Reglas para la seleccin de n.
Si hay que seleccionar una muestra del rendimiento del proceso, se tiene que seleccionar el
tamao muestral n. Se han sugerido varias reglas para la seleccin de n.

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

Buscando en las tablas de la Distribucin de Poisson acumulativa, y desplazndonos sobre el rengln

de D = 0, hasta encontrar una probabilidad lo mas cercana a 0.05 (P = 0.05), encontramos que con
( {
}
), el valor de es igual a 3 ( = 3). Nota: Este valor de nos da una
probabilidad lo ms cercana a 0.05.
( {
}) (
)
Por lo tanto, con = 3 y con p = 0.01, ya podemos encontrar el valor de n.
Sabemos que

= np y en consecuencia,

. Sustituyendo valores tenemos que:

.

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)

En nuestro ejemplo, p = 0.01,

(2.10) tendremos
(

, y si se usan lmites de tres sigmas, a partir de

) (

)(

3. Regla para tener un lmite de control inferior positivo.

Si el valor de la fraccin disconforme que se va a controlar es pequeo, un criterio til es
escoger n suficientemente grande para que el diagrama de control tenga un lmite inferior de control
positivo. Se desea tener que

(2.11)

Esto implica que

(

(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

2.2.3 Diagrama de Control

Tambin es posible basar un diagrama de control en el nmero

de disconformes, en vez de la fraccin no conforme. Esto se llama, a menudo, Diagrama de

Los parmetros del Diagrama de

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.

Nota. A manera de ejemplo, determine los lmites de control y construya el Diagrama de

Control para el Nmero de Disconformes (Diagrama np), de los datos del ejemplo 2.1 (pag. 6).

2.2.4 Diagrama de Control de la Fraccin Disconforme (Diagrama

p), con tamao muestral

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

Para las 25 muestras se calcula la fraccin disconforme promedio.

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

LSC p3 p p3 p(1 p) 0.09553 0.0955(10.0955)

ni
ni
Y

LIC p3 p p3 p(1 p) 0.09553 0.0955(10.0955)

ni
ni
Donde

p es el estimador de la desviacin estndar de la fraccin muestral disconforme p .

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

Diagrama de la Fraccin Disconforme (Diagrama p), con

Tamao Muestral Variable

Fraccin Disconforme de la Muestra,

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

Figura 2.3 Diagrama P, con tamao muestral variable

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

Por lo tanto, los lmites de control aproximados son

LSC p3 p(1 p) 0.09553 0.0955(10.0955) 0.1846

n
98
Y

LIC p3 p(1 p) 0.09553 0.0955(10.0955) 0.0064

n
98
El diagrama de control resultante se muestra en la figura 2.4 .
Observe que p = 0.1818 para la muestra 11 se halla cerca del lmite superior de control
aproximado, pero parece estar bajo control. Sin embargo, al compararlo con su lmite superior de
control exacto (0.1796), el punto indica una condicin fuera de control. De modo similar, puntos
que se encuentran fuera de los lmites de control aproximados pueden estar entre sus lmites de
control exactos. En general, se debe tener cuidado con la interpretacin de puntos cerca de lmites
de control aproximados.

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

Fraccin Disconforme de la Muestra,

Diagrama de Control de la Fraccin Disconforme (Diagrama p),

con tamao muestral Promedio
0.2000
0.1800
0.1600
0.1400
0.1200
0.1000
0.0800
0.0600
0.0400
0.0200
0.0000

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

Figura 2.4 Diagrama p, con Tamao Muestral Promedio.

24

2.2.5 Funcin Caracterstica de Operacin

La funcin caracterstica de operacin (CO) del diagrama de control de la fraccin no
conforme, es una representacin grfica de la probabilidad de aceptar incorrectamente la
hiptesis de un control estadstico (es decir, un error tipo
o error contra la fraccin
disconforme del proceso. La curva CO proporciona una medida de sensibilidad del diagrama de
control; o sea, su capacidad para detectar un cambio en la fraccin disconforme del proceso
respecto al valor nominal p hacia algn otro valor p . a probabilidad de error tipo (error
para el diagrama de control de la fraccin no conforme se puede calcular a partir de
{

{
}

(2.15)

Como D es una variable aleatoria binomial con parmetros n y p, el error , definido en la

ecuacin (2.15), se puede obtener a partir de la distribucin binomial acumulativa.
En la Tabla 2-6 se ilustran los clculos necesarios con objeto de generar la curva CO para el
diagrama de control de la fraccin disconforme con los parmetros n = 50, LIC = 0.0303 y
LSC=0.3697. Al aplicar estos parmetros, con la ecuacin (2.15) se obtiene
= P { D < (50 ( 0.3697 p } - P { D (50 ( 0.0303 p }
= P { D < 18.49 p } - P { D 1.52 p }
Sin embargo, como D tiene que ser entero, encontramos que
= P { D 18 p } - P { D 2 p }
Tabla 2-6. Clculos para el trazo de la curva CO para un diagrama de control de la fraccin disconforme,
con n = 50, LIC = 0.0303 y LSC = 0.3697

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

En la figura 2.5 se muestra la grfica de la Curva CO.

Curva Caracteristica de Operacin (Curva CO)

1.2000

Error tipo II (Error )

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

Curva Caracterstica de Operacin.

2.2.6 DIAGRAMA DE CONTROL DE DISCONFORMIDADES (O DEFECTOS)

Un artculo Disconforme o No Conforme es un producto que no satisface una o ms de las
especificaciones para tal producto. Cada punto especfico en el que no se satisface una
especificacin resulta ser un defecto o disconformidad. Por consiguiente, un artculo disconforme
tendr por lo menos una disconformidad. Sin embargo, dependiendo de su naturaleza y de su
gravedad, es muy factible que un artculo posea varias disconformidades y, de todos modos, no
sea clasificado como disconforme. Por ejemplo, suponga que se fabrican computadoras
personales. Cada unidad podra tener uno o ms desperfectos menores en el acabado de la caja, y
debido a que no afectan seriamente su funcionamiento se podra clasificarla como conforme. Sin
embargo, al tener demasiados desperfectos se tendra que clasificar la computadora personal
como no conforme, ya que aquellos seran evidentes para el consumidor, y podran afectar la
venta de la unidad. Hay muchos casos prcticos en los que es preferible trabajar directamente con
el nmero de defectos o disconformidades, en vez de hacerlo con la fraccin no conforme.
Algunos ejemplos son la cantidad de soldaduras defectuosas en 100 m de oleoducto, el nmero de
remaches rotos en un ala de un avin, la cantidad de defectos funcionales en un dispositivo lgico
electrnico, etc.

26

Es posible desarrollar diagramas de control para el nmero total de disconformidades en

una unidad, o bien para el nmero promedio de defectos por unidad. Para estos diagramas se
supone normalmente que la ocurrencia de disconformidades en muestras de tamao constante se
puede modelar bien con una distribucin de Poisson. Por esto suele requerirse que el nmero de
oportunidades o lugares potenciales para las disconformidades sea infinitamente grande, y que la
probabilidad de ocurrencia de una disconformidad en cualquier lugar sea pequea y constante.
Adems, la unidad de inspeccin tiene que ser la misma para cada muestra. Es decir, cada unidad
de inspeccin tiene que representar un rea de oportunidad idntica para la ocurrencia de
disconformidades.

2.2.6.1 Procedimientos con tamao muestral constante.

Considrese la ocurrencia de no conformidades en una unidad de inspeccin del producto. En la
mayora de los casos, la unidad de inspeccin ser una sola unidad del producto, aunque no
necesariamente siempre es as. La unidad de inspeccin es sencillamente una entidad apropiada
para registrar los defectos. Podra ser un grupo de 5 artculos, 10 artculos, etctera. Supongamos
que los defectos o disconformidades ocurren en esta unidad de inspeccin segn una distribucin
de Poisson; es decir,
c x
P(x) e c
x!

x = 0, 1, 2, .

x
P(x) e
x!

2 c

Donde x representa el nmero de disconformidades y c > 0 es el parmetro de la distribucin

de Poisson. abemos que la media ( y la variancia ( 2) de la distribucin de Poisson son ambas
iguales al parmetro c . Por lo tanto, un diagrama de control de no conformidades con lmites de
tres sigmas se caracterizara por

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.

Si estos clculos dan un valor negativo

27

Si no se da un valor estndar para c, entonces se podr estimar a c como la media

observada del nmero de disconformidades en una muestra preliminar de unidades de
inspeccin, digamos c . En este caso, el diagrama de control tendr los parmetros

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

(Pagina 124, Montgomery).

En la tabla 2-7 se presenta el nmero de disconformidades observadas en 26 muestras

sucesivas, cada una con 100 tarjetas de circuitos impresos. Obsrvese que se defini
convenientemente la unidad de inspeccin como 100 circuitos.

Tabla 2-7
impresos.

Datos para el nmero de disconformidades en muestras de 100 circuitos

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

LSCc 3 c 19.853 19.8533.22

LineaCentral
c 19.85

LICc 3 c 19.853 19.856.48

En la figura 2-6 se muestra el diagrama de control. Aqu se grafica el nmero de disconformidades
observadas de las muestras preliminares.

Diagrama de Control de Disconformidades

Nmero de Disconformidades, Di

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

Diagrama de Control de Disconformidades o Diagrama C. (Lmites de Control

de Prueba).

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

Por lo tanto, los lmites de control revisados son

LSCc 3 c 19.673 19.6732.97

LineaCentral
c 19.67

LICc 3 c 19.673 19.676.37

Estos sern los valores estndares para verificar la produccin del prximo periodo.
En la figura 2-9 se muestra el diagrama de control de disconformidades, con lmites de control
revisados.

Nmero de Disconformidades, Di

Diagrama de Control de Disconformidades

35
30
25
20

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

Diagrama de Control de Disconformidades o Diagrama C. (Lmites de

control Revisados)

30

2.2.7 Seleccin del tamao muestral: Diagrama de u.

El ejemplo 2-3 ilustra un diagrama de control de disconformidades de con tamao
muestral exactamente igual a una unidad de inspeccin. Se escoge dicha unidad por su sencillez
operacional o por su facilidad para obtener los datos. Sin embargo, no hay ninguna razn para
restringir el tamao muestral a una unidad de inspeccin. En realidad, muchas veces es preferible
utilizar varias unidades de inspeccin en la muestra, aumentando as el rea de oportunidad para
la ocurrencia de disconformidades. Por otro lado, factores econmicos podran influir en la
determinacin del tamao de la muestra.
Supngase que decidimos basar el diagrama de control en un tamao muestral de n
unidades de inspeccin. Ntese que n no necesariamente tiene que ser entero. Para ilustrar esto,
supngase que en el ejemplo 2-3 se hubiera especificado un tamao de los subgrupos igual a
n=2.5 unidades de inspeccin. Entonces el tamao muestral sera (2.5)(100)=250 tarjetas. Existen
dos enfoques generales para construir la grfica revisada, una vez elegido el tamao muestral.
El primer enfoque es simplemente redefinir una nueva unidad de inspeccin, que es igual
a n veces la unidad de inspeccin anterior. En este caso, la lnea central de la nueva grfica de

control es nc , y los lmites de control se localizan en nc 3 nc , donde c es el nmero medio

observado de no conformidades de la unidad de inspeccin original. Supngase que en el ejemplo
2-3, despus de revisar los lmites de control de prueba, se hubiera decidido usar un tamao
muestral de n=2.5 unidades de inspeccin. Entonces
Lnea Central =

nc = (2.5)(19.67) = 49.18

LSCnc 3 nc 49.183 49.1870.22

LIC nc 3 nc 49.183 49.18 28.14
El segundo enfoque implica elaborar un diagrama de control en base al promedio de
disconformidades por unidad de inspeccin. Si encontramos un total de c disconformidades en
una muestra de n unidades de inspeccin, entonces el nmero promedio de no conformidades por
unidad de inspeccin ser

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

Por lo tanto, los parmetros de la grfica de control son

LSCu 3 u 1.933 1.93 3.79

n
5

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

Tabla 2-8 Datos del nmero de disconformidades en computadoras personales

para el ejemplo 2-4.

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

Diagrama de Control de Disconformidades por unidad

Disconformidades por Unidad, u

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

2.2.8 Procedimientos con Tamao Muestral Variable

Ocasionalmente se construyen diagramas de control de disconformidades realizando una
inspeccin al 100 % del producto. Al hacer uso de este mtodo de muestreo, el nmero de
unidades de inspeccin en una muestra normalmente no ser constante. La inspeccin de rollos
de tela o de papel lleva tambin a una situacin en la que el tamao muestral varia, porque no
todos los rollos tienen la misma longitud o anchura. Si se usa un diagrama de control de
disconformidades (Diagrama c) en esta situacin, la lnea central y los lmites de control variarn
con el tamao de la muestra. Podra ser difcil interpretar esta grfica de control. El procedimiento
correcto es utilizar un diagrama de control de control de no conformidades por unidad (Diagrama
de u). ste tendr una lnea central constante; sin embargo, los lmites de control variarn en
forma inversamente proporcional al tamao n del subgrupo.
Ejemplo 2-5
En una fbrica de acabados de tejidos, se inspeccionan telas teidas para detectar los
defectos en 50 metros cuadrados. Los datos para 10 rollos de tela se presentan en la tabla 2-9.
Utilizaremos estos datos para elaborar una grfica de control de disconformidades por unidad. La
lnea central de la grfica debe ser el nmero medio de no conformidades por unidad de
inspeccin; es decir, el promedio del nmero de no conformidades por 50 metros cuadrados. Esto
se calcula de la manera siguiente:

34

c 153
u

1.42
107
.
5
n
m

i1
m

i1

Tabla 2-9

Ocurrencia de disconformidades en telas teidas, del ejemplo 2.5

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

Disconformidades por unidad, u

Diagrama de Control de disconformidades por unidad

3.00
2.50
2.00
1.50

1.00
0.50
0.00

Figura 2.9
variable.

10

Nmero del Rollo

Diagrama de Control de Disconformidades por Unidad, con tamao muestral