CONTROL ESTADSTICO DEL PROCESO
4. CARTAS DE CONTROL PARA ATRIBUTOS
4.1 INTRODUCCIN
Muchas caractersticas de calidad no pueden ser representadas numricamente,
denominndose atributos. En tales casos cada artculo o servicio completo se
clasifica como conforme o no conforme a especificaciones y/o estndares, es
decir como defectivo o no defectivo, no defectuoso o defectuoso, bueno o malo,
discrepante o no discrepante.
Fig. 4.1 Cuando el producto no es funcional es no conforme,
defectivo o defectuoso. Puede ser reparado o desperdicio.
Para controlar productos defectivos o no conformes, se utiliza la carta de control p
de fraccin defectiva o la np para el nmero de defectivos o de no conformes. Se
aplica a productos simples (tornillos, lpices, botellas, etc.)
Cuando ms bien se controla el nmero de defectos o no conformidades que se
observan en un producto, se utiliza la carta de control para no conformidades o
defectos c cuando la muestra es constante o la u cuando es variable o constante.
Se aplica a productos complejos (coches, TV, cmaras de video, escritorios,
refrigeradores, etc.) Un defecto o no conformidad es una discrepancia respecto a
los estndares establecidos o a las especificaciones.
Fig. 4.2 El producto puede ser funcional pero puede tener
defectos o no conformidades, que pueden ser corregidas con
retrabajo o no se pueden corregir y ser desperdicio.
Pgina 49
CONTROL ESTADSTICO DEL PROCESO
4.2 CARTA DE CONTROL PARA FRACCIN NO CONFORME - p
La fraccin no conforme es la relacin entre el nmero de artculos discrepantes
entre el total de artculos, se expresa como fraccin decimal, aunque tambin se
puede expresar en porcentaje. El artculo o servicio puede tener varias
caractersticas de calidad que son examinadas por un inspector, si el artculo no
est de acuerdo a los estndares, se le considera como defectuoso o no
conforme.
La fraccin defectiva o no conforme en la muestra se define como la relacin entre
el nmero de unidades no conformes D al tamao de muestra n, o sea:
pi
Di
ni
(4.1)
La distribucin de este estadstico sigue la distribucin binomial por tanto:
__
2p
(4.2)
p(1 p)
n
(4.3)
Del modelo general para la carta de control de Shewhart, si w es un estadstico
que mide una caracterstica de calidad, con media w y varianza
w2 , los lmites
de control son:
LSC = w + Lw
LC = w
(4.4)
LIC = w - Lw
Donde L es la distancia de la lnea central hasta los lmites de control, es comn
usar L = 3.
Pgina 50
CONTROL ESTADSTICO DEL PROCESO
Por tanto los lmites de control de la carta p considerando L = 3 son:
__
__
p(1 p )
LSCp = p 3
n
__
__
LCp = p
(4.5)
__
__
p(1 p )
LICp = p 3
n
__
Durante la operacin, se toman muestras de n unidades, se calcula la fraccin
defectiva pi y se grafica en la carta, mientras no se observe ningn patrn
anormal y pi se localice dentro de lmites de control, se puede concluir que el
proceso est en control, de otra forma, se concluir que la fraccin no conforme se
ha desplazado de su valor original y el proceso se encuentra fuera de control.
Cuando la fraccin defectiva del proceso es desconocida, se estima de los datos
observados en m muestras iniciales, cada una de tamao n, por lo general se
toman 20 a 25 de estas. As si Di son unidades no conformes en la muestra i , la
fraccin defectiva de la muestra i - sima estar dada como:
pi = Di / n
i = 1, 2, 3,....., m
(4.6)
y el promedio de las fracciones individuales no conformes cuando p es
desconocida es:
D
i 1
mn
p
i 1
(4.7)
Una vez hecha la grfica trazando los lmites anteriores, cualquier punto que se
encuentre fuera de control debe ser investigado, si se encuentra una causa
asignable o especial, deben tomarse medidas correctivas para prevenir su
Pgina 51
CONTROL ESTADSTICO DEL PROCESO
recurrencia, los puntos correspondientes a la situacin fuera de control se eliminan
y se calculan de nuevo los lmites de control preliminares.
Ejemplo 4.1 Para un servicio de mantenimiento se tomaron
datos de 30 muestras de 50 servicios contabilizando las
quejas en cada uno como sigue:
Servicio
No
conformes
Servicio
No
conformes
Servicio
No
conformes
1
2
3
4
5
6
7
8
9
10
12
15
8
10
4
7
16
9
14
10
11
12
13
14
15
16
17
18
19
20
5
6
17
12
22
8
10
5
13
11
21
22
23
24
25
26
27
28
29
30
20
18
24
15
9
12
7
13
9
6
Como
en
total
se
encontraron
347
quejas
conformes, se estima p como sigue:
Di
i 1
mn
p
i 1
347
= 0.2313
(30)(50)
Los lmites de control usando Minitab son:
LSCp = 0.4102
LCp
= 0.2313
LICp
= 0.0524
Corrida en Minitab
1. Stat > Control Charts > P
2. Variable No conformes Subgroup size 50
3. OK
Esta en control estadstico?
Si no eliminar puntos fuera de control y recalcular lmites de control
Pgina 52
servicios
no
CONTROL ESTADSTICO DEL PROCESO
P Chart for No confo
1
0.5
1
UCL=0.4102
Proportion
0.4
0.3
P=0.2313
0.2
0.1
LCL=0.05243
0.0
0
10
20
30
Sample Number
Fig. 4.3 Carta de control P para la fraccin de servicios no
conformes.
De la carta de control se observa que las muestras 15 y 23
estn fuera de los lmites de control, de tal forma que el
proceso esta fuera de control.
Del anlisis de los datos de la bitcora se encontr que la
muestra 15 corresponde a el cambio de un nuevo mtodo el cual
fue diferente y que la muestra 23 corresponde a un operador
sin experiencia asignado temporalmente a la mquina.
Tomando acciones correctivas para evitar la recurrencia de
las
causas
anteriores
calculando
nuevos
lmites
preliminares con los puntos 15 y 23 eliminados, se tiene con
Minitab:
LSCp = 0.3893
LCp
= 0.2150
Pgina 53
CONTROL ESTADSTICO DEL PROCESO
LICp
= 0.0407
P Chart for No confo
1
0.4
UCL=0.3893
Proportion
0.3
P=0.215
0.2
0.1
LCL=0.04070
0.0
0
10
20
30
Sample Number
Fig. 4.4 Carta de control P para la fraccin de servicios no
conformes con acciones tomadas para prevenir recurrencia.
Repitiendo el procedimiento anterior para el punto 21 se tiene:
P Chart for No confo
0.4
UCL=0.3804
Proportion
0.3
P=0.2081
0.2
0.1
LCL=0.03590
0.0
0
10
20
30
Sample Number
Fig. 4.5 Carta de control P para la fraccin de servicios no
conformes con acciones tomadas para prevenir recurrencia.
Ahora el proceso est en control estadstico y es normal.
Pgina 54
CONTROL ESTADSTICO DEL PROCESO
4.3 CARTA DE CONTROL np
En lugar de tener fracciones no conformes, si el tamao de muestra es constante,
se pueden utilizar directamente el nmero de artculos defectivos o no conformes
np, para evitarle operaciones aritmticas al operador, los parmetros de esta carta
son:
LSC np np 3 np(1 p)
LC np np
(4.12)
LIC np np 3 np(1 p)
Si no se conoce el valor de p, se puede estimar con la p .
El nmero de defectivos o no conformes es un entero, por tanto es ms fcil de
graficar e interpretar por los operadores que llevan el C.E.P.
Ejemplo 4.5 Con los datos del ejemplo anterior se tiene con
Minitab:
1. Stat > Control Charts >N P
2. Variable No conformes Subgroup size 50
3. OK
Esta en control estadstico?
Si no eliminar puntos fuera de control y recalcular lmites de control
NP Chart for No confo
SampleCount
20
UCL=19.02
NP=10.41
10
LCL=1.795
0
0
10
20
30
Sample Number
Fig. 4.6 Carta de control P para la fraccin de servicios no
conformes
Pgina 55
CONTROL ESTADSTICO DEL PROCESO
4.4 TAMAO DE MUESTRA VARIABLE
En algunas aplicaciones para la fraccin defectiva, la muestra es la inspeccin
100% de los servicios proporcionados en un periodo de tiempo, por tanto la
muestra ser variable. Se tiene varios mtodos para llevar una carta de control:
Mtodo 1. Lmites variables
Se calculan lmites de control para cada muestra en base en la fraccin defectiva
promedio p y su tamao de muestra con p 3 p(1 p ) / ni . La amplitud de los
lmites es inversamente proporcional a la raz cuadrada del tamao de muestra.
Ejemplo 4.6, Se tomaron datos del resultado de la inspeccin
diaria, registrando la produccin total y los defectivos del
da.
n-var
nodef
Fra-def
LSC
100
12
0.12
0.183686
0.0073347
0.0293918
80
0.1
0.194093
-0.003073
0.0328611
80
0.075
0.194093
-0.003073
0.0328611
100
0.09
0.183686
0.0073347
0.0293918
110
10
0.090909
0.179582
0.0114382
0.028024
110
12
0.109091
0.179582
0.0114382
0.028024
100
11
0.11
0.183686
0.0073347
0.0293918
100
16
0.16
0.183686
0.0073347
0.0293918
90
10
0.111111
0.188455
0.0025651
0.0309817
90
0.066667
0.188455
0.0025651
0.0309817
110
20
0.181818
0.179582
0.0114382
0.028024
120
15
0.125
0.176003
0.0150173
0.026831
120
0.075
0.176003
0.0150173
0.026831
120
0.066667
0.176003
0.0150173
0.026831
110
0.054545
0.179582
0.0114382
0.028024
80
0.1
0.194093
-0.003073
0.0328611
80
10
0.125
0.194093
-0.003073
0.0328611
80
0.0875
0.194093
-0.003073
0.0328611
Pgina 56
LIC
CONTROL ESTADSTICO DEL PROCESO
90
0.055556
0.188455
0.0025651
0.0309817
100
0.08
0.183686
0.0073347
0.0293918
100
0.05
0.183686
0.0073347
0.0293918
100
0.08
0.183686
0.0073347
0.0293918
100
10
0.1
0.183686
0.0073347
0.0293918
90
0.066667
0.188455
0.0025651
0.0309817
La fraccin defectiva media se calcula como sigue:
25
D
i 1
25
n
i 1
234
0.096
2450
Y los lmites de control se calculan como sigue:
LSCp= p 3 p 0.096 3
(0.096)(0.904)
ni
LC = 0.096
LICp= p 3 p 0.096 3
(0.096)(0.904)
ni
Corrida con Minitab:
1. Stat > Control Charts > P
2. Variable Nodef Subgroups in n-var
3. OK
Esta en control estadstico?
Si no eliminar puntos fuera de control y recalcular lmites de control
Pgina 57
CONTROL ESTADSTICO DEL PROCESO
P Chart for nodef
0.2
Proportion
UCL=0.1882
0.1
P=0.09534
0.0
LCL=0.002468
0
10
15
20
25
Sample Number
Fig. 4.7 Carta de control P para la fraccin de servicios no
Se observa que la muestra 11 est fuera de control.
Cuando se toman lmites de control variables, el anlisis de patrones de
anormalidad no tiene sentido ya que la desviacin estndar en cada muestra esta
variando y no es posible visualizar corridas o rachas.
Mtodo 2. Tamao de muestra promedio
En este caso, se toma el promedio de los tamaos de muestra para calcular los
lmites de control aproximados, se asume que los tamaos de muestra no diferirn
en forma apreciable de los observados, aqu los lmites de control son constantes.
Si existen grandes diferencias mayores al promedio ms o menos 25%, este
mtodo no es adecuado.
m
n
i 1
2450
98
25
Con lmites de control basados en n 98 :
LSCp= p 3 p 0.096 3
(0.096)(0.904)
0.185
98
LC = 0.096
Pgina 58
CONTROL ESTADSTICO DEL PROCESO
LICp= p 3 p 0.096 3
(0.096)(0.904)
0.007
98
Corrida con Minitab:
1. Stat > Control Charts > P
2. Variable Nodef Subgroups size 98
3. OK
Esta en control estadstico?
Si no eliminar puntos fuera de control y recalcular lmites de control
Otra vez de la grfica se observa que el punto 11 est fuera de control.
P Chart for nodef
1
0.2
Proportion
UCL=0.1848
0.1
P=0.09566
LCL=0.006529
0.0
0
10
15
20
25
Sample Number
Fig. 4.8 Carta de control P con n promedio
Mtodo 3. Carta de control estandarizada.
En este mtodo, los puntos se grafican en unidades de desviacin estndar. En la
carta de control estandarizada, la lnea central es cero y los lmites de control
estn a +3 y 3 respectivamente, la variable a graficar en la carta es:
Zi
pi p
p (1 p )
ni
(4.13)
Pgina 59
CONTROL ESTADSTICO DEL PROCESO
donde p (o p si no hay estndar) es la fraccin defectiva media del proceso en su
condicin de control estadstico; pi , ni son datos de la muestra.
Ejemplo 4.7 Con los 25 datos anteriores se obtiene una carta
estandarizada, con Minitab graficando Z estandarizada.
1. Stat > Control Charts > I Chart
2. Variable Z-Estand
3. Historical Mean 0 Historical sigma 1
4. OK
n-var
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
nodef
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
Frac.def
0.12
0.1
0.075
0.09
0.090909
0.109091
0.11
0.16
0.111111
0.066667
0.181818
0.125
0.075
0.066667
0.054545
0.1
0.125
0.0875
0.055556
0.08
0.05
0.08
0.1
0.066667
0.1
LSC
0.183686
0.194093
0.194093
0.183686
0.179582
0.179582
0.183686
0.183686
0.188455
0.188455
0.179582
0.176003
0.176003
0.176003
0.179582
0.194093
0.194093
0.194093
0.188455
0.183686
0.183686
0.183686
0.183686
0.188455
0.188455
Pgina 60
LIC
0.0073347
-0.003073
-0.003073
0.0073347
0.0114382
0.0114382
0.0073347
0.0073347
0.0025651
0.0025651
0.0114382
0.0150173
0.0150173
0.0150173
0.0114382
-0.003073
-0.003073
-0.003073
0.0025651
0.0073347
0.0073347
0.0073347
0.0073347
0.0025651
0.0025651
Desv-est.
0.0293918
0.0328611
0.0328611
0.0293918
0.028024
0.028024
0.0293918
0.0293918
0.0309817
0.0309817
0.028024
0.026831
0.026831
0.026831
0.028024
0.0328611
0.0328611
0.0328611
0.0309817
0.0293918
0.0293918
0.0293918
0.0293918
0.0309817
0.0309817
Z-Estand
0.81655
0.12172
-0.63905
-0.20414
-0.18166
0.46713
0.47632
2.17748
0.48774
-0.94679
3.06231
1.08084
-0.78268
-1.09326
-1.47925
0.12172
0.8825
-0.25866
-1.30543
-0.54437
-1.56506
-0.54437
0.13609
-0.94679
0.12911
CONTROL ESTADSTICO DEL PROCESO
I Chart for Z-Estand
4
1
Individual Value
UCL=3
2
1
0
Mean=0
-1
-2
-3
LCL=-3
-4
0
10
15
20
25
Observation Number
Fig. 4.9 Carta de control P estandarizada
En todos los casos el punto 11 est fuera de los lmites de control. Con lmites
constantes se tiene la ventaja de poder identificar patrones de anormalidad e
identificar curva caracterstica de operacin, lo que no puede hacerse con la carta
de lmites de control variables.
4.6
CARTAS DE CONTROL PARA NO CONFORMIDADES
(DEFECTOS) c y u
Una no conformidad o defecto es una caracterstica especfica que no cumple con
la especificacin del producto. Las no conformidades pueden tener una gravedad
diferente desde menores hasta crticas. Se pueden desarrollar cartas de control
para el nmero total de no conformidades en una unidad o el nmero promedio de
no conformidades por unidad.
Estas cartas asumen que la ocurrencia de no conformidades en muestras de
tamao constante son modeladas bien por la distribucin de Poisson, es decir
implica que las oportunidades o localizaciones potenciales para las no
Pgina 61
CONTROL ESTADSTICO DEL PROCESO
conformidades sea muy infinitamente grande y que la probabilidad de ocurrencia
de una no conformidad en cualquier localizacin sea pequea y constante.
Adems cada unidad de inspeccin debe representar una rea de oportunidad
idntica para la ocurrencia de no conformidades. Si estas condiciones no se
cumplen, el modelo de Poisson no es apropiado.
TAMAO DE MUESTRA CONSTANTE - CARTA c
Una unidad de inspeccin es simplemente una entidad para la cual es conveniente
registrar el nmero de defectos, puede formarse con 5 unidades de producto, 10
unidades de producto, etc. Suponiendo que los defectos o no conformidades
ocurren en la unidad de inspeccin de acuerdo a la distribucin de Poisson, o sea:
p( x )
e c c x
x!
(4.15)
Donde la media y la desviacin estndar tienen valor c; para x = 0, 1, 2, .......
Por tanto considerando L = 3-sigma, los lmites de control para la carta de no
conformidades son:
LSCc = c + 3
LCc = c
(4.16)
LICc = c - 3
en el caso que sea negativo toma el valor cero.
Si no hay estndar definido c se estima con el promedio de no conformidades
observadas en una muestra preliminar inspeccionada, o sea con c , en este caso
los parmetros de la carta son:
LSCc = c + 3
LCc = c
LICc = c - 3
(4.17)
en el caso que sea negativo toma el valor cero
Pgina 62
CONTROL ESTADSTICO DEL PROCESO
Cuando no hay datos histricos, se calculan lmites de control preliminares.
Ejemplo 4.8 Para el nmero de no conformidades observadas en
26
unidades
de
inspeccin
sucesivas
de
100
muestras
de
circuitos impresos, se obtuvieron los datos siguientes:
Defectos
Defectos
21
24
16
12
15
5
28
20
31
25
20
24
15
16
19
10
17
13
22
18
39
30
24
16
19
17
Donde,
LSC = 33.22
LC =
516 / 26 = 19.85 = c
LIC = 6.48
De la carta de control preliminar, se observa que hay 2
puntos fuera de control, el 6 y el 20.
Corrida en Minitab:
1. Stat > Control Charts > C
2. Variable Defectos
3. OK
Esta en control estadstico?
Si no eliminar puntos fuera de control y recalcular lmites de control
Pgina 63
CONTROL ESTADSTICO DEL PROCESO
C Chart for Defectos
1
40
Sample Count
UCL=33.21
30
20
C=19.85
10
LCL=6.481
1
0
0
10
20
Sample Number
Fig. 4.10 Carta de control C de nmero de defectos fuera
control
Una investigacin revel que el punto 6 fue debido a que un
inspector nuevo calific los circuitos impresos pero no tena
la suficiente experiencia, fue entrenado. El punto 20 fue
causado por una falla en el control de temperatura de la
soldadora de ola, lo cual fue reparado. Por lo anterior se
toman
acciones
para
evitar
recurrencia,
se
eliminan
se
recalculan los lmites de control.
C Chart for Defectos
35
Sample Count
UCL=32.97
25
C=19.67
15
LCL=6.363
5
0
10
15
20
25
Sample Number
Fig. 4.11 Carta de control C de nmero de defectos en control
Pgina 64
CONTROL ESTADSTICO DEL PROCESO
Como el proceso ya se encuentra en control estadstico, estos
lmites se tomarn como base para el siguiente periodo, donde
se tomaron 20 unidades de inspeccin adicionales.
n
Defectos
16
18
12
15
24
21
28
20
25
19
18
21
16
22
19
12
14
9
16
21
C Chart for Defectos
35
Sample Count
UCL=31.84
25
C=18.82
15
LCL=5.808
5
0
10
15
20
25
30
35
Sample Number
Fig. 4.12 Carta de control C con datos del siguiente periodo
Se observa en la grfica que no se tienen puntos fuera de
control,
sin
embargo
el
promedio
de
requiere la accin de la administracin.
Pgina 65
defectos
es
alto,
CONTROL ESTADSTICO DEL PROCESO
Haciendo un anlisis de Pareto de los principales defectos se observ que el
principal defecto de soldadura insuficiente y soldadura fra, acumulan el 69% del
total, por lo que se deben enfocar los esfuerzos a resolver estos problemas.
Fig. 4.13 Grfica de Pareto de los defectos principales
Puede ser necesario estratificar el problema identificando en que modelo de
circuito impreso se presentan los defectos principalmente.
Otra forma de anlisis es el diagrama de causa efecto para identificar las
diferentes fuentes de no conformidades.
Pgina 66
CONTROL ESTADSTICO DEL PROCESO
Fig. 4.14 Diagrama de Ishikawa para resolver el problema
SELECCIN DEL TAMAO DE MUESTRA
Aumentando el tamao de muestra se tiene ms oportunidad de encontrar no
conformidades o defectos, sin embargo esto tambin depende de consideraciones
econmicas y del proceso, si en lugar de tomar 1 unidad de inspeccin, se toman
n unidades de inspeccin, entonces los nuevos lmites de control se pueden
calcular por los siguientes mtodos:
Mtodo 1. Con nc
En este caso tanto la lnea central como los lmites de control se modifican por el
factor n, quedando como sigue ( c es la media de las no conformidades observada
en la unidad de inspeccin anterior):
LSC nc nc 3 nc
LC nc nc
(4.18)
LIC nc nc 3 nc
Pgina 67
CONTROL ESTADSTICO DEL PROCESO
Por ejemplo si se deciden utilizar 2.5 unidades de inspeccin para el caso de los
circuitos impresos (es decir inspeccionar 250 tarjetas) con n=2.5, se tiene:
LSC nc nc 3 nc = (2.5)(19.67) + 3
(2.5)(19.67) 70.22
LC nc nc = (2.5)(19.67) = 49.18
LIC nc nc 3 nc = (2.5)(19.67) - 3
(2.5)(19.67) 28.14
Mtodo 2. Carta u
Si se encuentra un total de c no conformidades en la muestra de n unidades de
inspeccin, entonces el promedio de no conformidades por unidad de inspeccin u
es:
c
n
(4.19)
Como c es una variable aleatoria que sigue la distribucin de Poisson, los
parmetros de la carta u de nmero de no conformidades o defectos por unidad
son:
LSC u u 3
u
n
LC u u
LSC u u 3
(4.20)
u
n
Donde u representa el nmero promedio de no conformidades por unidad en un
conjunto de datos preliminar. Los lmites anteriores se consideran lmites
preliminares.
Pgina 68
CONTROL ESTADSTICO DEL PROCESO
Ejemplo 4.9
Para un fabricante de computadoras registrando
los defectos en su lnea de ensamble final. La unidad de
inspeccin es una computadora y se toman 5 unidades de
inspeccin a un tiempo.
DefectosU
DefectosU
10
12
8
14
10
16
11
7
10
15
9
5
7
11
12
6
8
10
7
5
Se calculan los lmites de control con:
__
Suma.de.no.conformidades
Suma.de.unidades.inspeccionadas
u =38.60 / 20 = 1.93
LSC = 3.79
LIC = 0.07
La carta de control queda como sigue:
U Chart for Defectos
4
UCL=3.794
Sample Count
U=1.93
LCL=0.06613
0
0
10
20
Sample Number
Fig. 4.15 Carta de Control U con unidades de insp. constantes
Pgina 69
CONTROL ESTADSTICO DEL PROCESO
En
la
carta
de
control
no
se
observa
falta
de
control
estadstico, por tanto los lmites preliminares se pueden
utilizar en corridas futuras.
MUESTRA VARIABLE CARTA u
En algunos casos las cartas de control para no conformidades se utilizan en la
inspeccin 100% de la produccin o lotes de producto, por tanto las unidades de
inspeccin no son constantes. En esta carta se tiene una lnea central constante y
los lmites de control varan inversamente con la raz cuadrada del tamao de
muestra n.
La lnea central y los lmites individuales de control se calculan como sigue:
LSC ui u 3
u
ni
LC u u
LSC ui u 3
(4.21)
u
ni
Ejemplo 4.10 En una planta textil, se inspeccionan defectos
por cada 50m2 los datos se muestran a continuacin.
UnidadesInsp
10
8
13
10
9.5
10
12
10.5
12
12.5
No
Conf.
14
12
20
11
7
10
21
16
19
23
Pgina 70
CONTROL ESTADSTICO DEL PROCESO
153
1.42
107.5
La lnea central es u
Donde
u = Total de defectos observados /
Total de unidades
de inspeccin
De la grfica no se observan puntos fuera de control.
U Chart for No Conf.
3
Sample Count
UCL=2.436
2
U=1.423
1
LCL=0.4110
0
0
10
Sample Number
Fig. 4.16 Carta de Control U con Unidades de insp. variables
Existen otras dos alternativas para el manejo de la carta u con n variable:
1. Usando un promedio de tamaos de muestra.
m
n
i 1
ni
m
(4.22)
2. Usando una de control estandarizada (opcin preferida). Se grafica Zi con
lmites de control en +3 y 3, lnea central cero.
Pgina 71
CONTROL ESTADSTICO DEL PROCESO
Zi
ui u
(4.23)
u
ni
Ejemplo 4.10 (Cont...) Estandarizando la carta se tiene:
UIvar
10
8
13
10
9.5
10
12
10.5
12
12.5
NoConUv
14
12
20
11
7
10
21
16
19
23
Sigmau
0.37417
0.43301
0.34401
0.33166
0.2785
0.31623
0.38188
0.38095
0.36324
0.38367
Z
-0.0535
0.18475
0.34435
-0.9648
-2.453
-1.3282
0.86414
0.2725
0.44965
1.0947
DUvar
1.4
1.5
1.53846
1.1
0.73684
1
1.75
1.52381
1.58333
1.84
La carta de control estandarizada para U, se encuentra en
control estadstico como se muestra abajo.
I Chart for Z
UCL=3
Individual Value
2
1
Mean=0
0
-1
-2
LCL=-3
-3
0
10
Observation Number
Fig. 4.17 Carta de Control U estandarizada
Pgina 72
