GRFICA np NUMERO DE UIDADES DEFECTIVAS POR MUESTRA

Esta grfica es el instrumento estadstico que se utiliza cuando se desea graficar precisamente las unidades disconformes, y no el porcentaje que stas representan, siendo constante el tamao de la muestra. Es necesario establecer la frecuencia para la toma de datos, teniendo en cuenta que los intervalos cortos permiten una rpida retroalimentacin del proceso. Los principales objetivos de la grfica np son: Conocer las causas que contribuyen al proceso Obtener el registro histrico de una o varias caractersticas de una operacin con el proceso productivo Grfico np para unidades defectuosas Supongamos un proceso que fabrica tornillos. Una manera de ensayar cada tornillo sera probarlo con una rosca calibrada. El resultado de este ensayo slo tiene dos posibles resultados: Defectuoso - No Defectuoso ( Conforme-No Conforme ) . Si el tornillo no entra en la rosca, se lo considera defectuoso o no conforme. Para controlar este proceso, se puede tomar una muestra de tornillos y contar el nmero de defectuosos presentes en la muestra.

La variable aleatoria nmero de defectuosos es una variable aleatoria discreta, porque puede tomar un nmero finito de valores, o infinito numerable. Los grficos np se utilizan para controlar el nmero de defectuosos en una muestra. Para controlar este proceso, un inspector se coloca al final de la lnea de produccin y cada hora retira una muestra de n=50 tornillos (por ejemplo), comprueba cada uno con la rosca y anota el nmero de defectuosos.

Este resultado se anota en un grfico hora por hora denominado grfico np. Si se tomara del proceso un slo tornillo Cul es la probabilidad de que sea defectuoso? Imaginando la poblacin de tornillos que podra fabricar el proceso trabajando siempre en las mismas condiciones, una cierta proporcin p de estos seran defectuosos. Entonces, la probabilidad de tomar un tornillo y que sea defectuoso es p. En una muestra de n tornillos, la probabilidad de encontrar: 0 defectuosos ; 1 defectuoso ; 2 defectuosos ; ... ; n defectuosos est dada por una distribucin binomial con parmetros n y p. Como sabemos, el promedio de la poblacin es p y la varianza es n.p.(1-p). Para construir los grficos de control np, en una primera etapa se toman N muestras (ms de 20 25) a intervalos regulares, cada una con n tornillos. Se cuenta en cada muestra el Nmero de Defectuosos y se registra. Se obtendra una Tabla como la siguiente:

En cada muestra, la fraccin de defectuosos es Di/n, siendo Di el nmero de elementos defectuosos en la muestra i, y n el nmero de elementos en la muestra i. A partir de la tabla podemos calcular p como promedio de las fracciones de defectuosos en las muestras:

siendo N el nmero de muestras, y luego la Desviacin Standard s:

Con esto podemos calcular los Lmites de Control para el grfico np:

Construimos entonces un Grfico np de prueba y representamos el nmero de defectuosos en las muestras. Si no hay puntos fuera de los lmites de control y no se encuentran patrones no aleatorios, se adoptan los lmites calculados para controlar la produccin futura. Para las personas con poco entrenamiento estadstico, este grfico suele ser ms fcil de interpretar que el grfico p. Frecuentemente se utiliza solo el lmite superior. En algunos procesos interesa medir la cantidad de defectos que presentan las unidades de producto que se estn fabricando. Por ejemplo, se fabrican telfonos celulares y entonces se toma uno de ellos y se cuenta el nmero total de defectos. Estos podran ser:

Rayas en la superficie. grietas en el plstico Antena defectuosa Botn defectuoso. Etc.

Los defectos pueden ser de diferentes tipos y se cuenta el total de todos estos defectos en la unidad inspeccionada. Obtenemos un resultado que es el Nmero de Defectos por unidad de inspeccin. A medida que el proceso genera las unidades (Telfonos mviles), retiramos una unidad a intervalos regulares y contamos el nmero total de defectos. En cada unidad podemos encontrar:? 0 defectos

1 defecto 2 defectos ... n defectos

Los resultados obtenidos al contar el Nmero de Defectos en unidades de inspeccin tomadas a intervalos regulares constituyen una variable aleatoria discreta, porque puede tomar los valores discretos 0, 1, 2, ... n. Esta variable aleatoria tiene una distribucin de Poisson:

Los grficos C se utilizan para controlar el nmero de defectos en una muestra del producto o unidad de inspeccin. Para controlar este proceso, un inspector se coloca al final de la lnea de produccin y cada cierto intervalo retira una unidad de inspeccin , verifica y anota el nmero total de defectos. Este resultado se anota en un grfico denominado grfico C. De acuerdo a la Distribucin de Poisson, si denominamos C al parmetro de la funcin de distribucin, el promedio de la poblacin es C y la varianza tambin es C.

Una unidad defectuosa puede tener uno o ms defectos. Sin embargo, es posible que una unidad de producto tenga varios defectos y que no sea clasificada como defectuosa debido a la naturaleza poco importante del defecto. Existen en la prctica muchas situaciones en las que es preferible trabajar con el nmero de defectos que con el porcentaje o el nmero de unidades defectuosas. Por ejemplo, el nmero de soldaduras defectuosas en un tubo de conduccin de gas, el nmero de defectos funcionales es un dispositivo electrnico, etc. Se pueden efectuar grficos de control para el nmero total de defectos por unidad de producto o para el nmero de defectos en la muestra. Estos grficos de control se basan en la distribucin de Posson que exige un nmero de puntos donde potencialmente podra producirse el defecto infinitamente grande, as como que la probabilidad de que el defecto aparezca en un determinado punto sea muy pequea y constante. La unidad de inspeccin debe ser la misma en cada muestra. Es decir cada unidad de inspeccin debe representar siempre una probabilidad igual de que se produzcan los defectos. En la mayor parte de las situaciones prcticas, estas condiciones no se satisfacen exactamente. El nmero de oportunidades (puntos) para los defectos suele ser finito y la probabilidad de aparicin de defectos puede no ser constante. Si las desviaciones respecto de la situacin ideal no son importantes, puede usarse el modelo de Poisson. Existen, sin embargo, casos en los que las desviaciones respecto de las condiciones del modelo son considerables y en los que la utilizacin de la distribucin de Poisson es inadecuada. grficos c para tamao de muestra constante En el grfico c se representan el nmero de defectos existentes en cada unidad de inspeccin. En la mayor parte de los casos, la unidad de inspeccin ser una unidad de producto aunque esto no es absolutamente necesario ya que la unidad de inspeccin constituye simplemente una porcin de produccin sobre la que es conveniente registrar el nmero de defectos encontrados. Puede ser un grupo de 1,5 6 10 unidades de producto. Supongamos que los defectos tienen lugar en esta unidad de inspeccin de acuerdo con la distribucin de Poisson

donde x es el nmero de defectos en la unidad de inspeccin y C es el parmetro

de la distribucin, Sabemos que la media y la varianza de la distribucin de Poisson son ambas iguales a C. En consecuencia, los lmites de control 3 sigma para el nmero de defectos sern:

Hay que tener en cuenta que la probabilidad de producir una falsa alarma por situarse el punto por encima del lmite de control superior es diferente que la de situarse por debajo del lmite inferior (colas superior e inferior diferentes). Si no se conoce el parmetro c, debe estimarse a partir de una muestra preliminar de unidades de inspeccin. El valor obtenido en la estimacin, O sustituir al valor O en los lmites arriba indicados. Anlisis de defectos Los datos sobre defectos aportan siempre mayor informacin que los relativos a unidades defectuosas ya que habitualmente existen diversos tipos de defectos. Al analizar por conteo la frecuencia de cada tipo de defecto observamos que, en muchas ocasiones, los resultados estn acordes con la distribucin de PARETO y que un pequeo nmero de defectos es causa de la mayor parte de los problemas. Si somos capaces de eliminar las causas de unos pocos tipos de defectos, habremos conseguido una drstica mejora en la calidad.

grfico u Supongamos que se est controlando el nmero de defectos en un proceso de ensamblado de licuadoras y se define una unidad de inspeccin de 5 licuadoras. En este caso es posible trabajar con un grfico C, como ya hemos visto. Pero tal vez se desea controlar el promedio de defectos por cada licuadora (unidad de produccin) en lugar del total de defectos para las 5 licuadoras (unidad de inspeccin):

siendo ni la cantidad de Defectos por Unidad de Inspeccin y m el nmero de Unidades de Produccin en la Unidad de Inspeccin. En nuestro ejemplo, si encontramos ni defectos en la unidad de inspeccin (5 licuadoras), la cantidad promedio de defectos por licuadora ser

Se debe tener en cuenta que x es una nueva variable aleatoria discreta que toma valores 0, 1/m, 2/m., y cuya distribucin de probabilidades se puede calcular a partir de la Distribucin de Poisson. Como en el caso de los grficos C, en una primera etapa se toman N unidades de inspeccin (ms de 25 30) a intervalos regulares. Se cuenta en cada unidad de inspeccin el Nmero de Defectos y se registra. Luego se divide el Nmero de Defectos de cada unidad de inspeccin por m (Nmero de unidades de produccin en cada unidad de inspeccin). En nuestro ejemplo (m = 5) la Tabla quedara as:

Entonces, a partir de la tabla podemos calcular el parmetro U, como promedio del Nmero de Defectos por licuadora, y la Desviacin Standard:

; siendo: ni la cantidad de Defectos por Unidad de Inspeccin, m el Nmero de Unidades de Produccin en la Unidad de Inspeccin y N el Nmero de Unidades de Inspeccin Con esto podemos calcular los Lmites de Control para el grfico U:

ejemplo: Veremos un ejemplo de este tipo de grfico de control. En la siguiente figura tenemos los datos de 24 muestras de producto producido por turno. En la columna produccin tenemos el total de producto fabricado por turno. La columna Producto Defectuoso nos indica el nmero de artculos defectuosos por turno; la columna Nmero de Defectos nos indica el nmero de defectos encontrados en la produccin de cada turno, ntese que por cada turno el nmero de defectos es mayor o igual que el nmero de defectuosos, ya que un artculo defectuoso puede tener uno o ms defectos. Finalmente tenemos la columna de Fraccin Defectuosa, la fraccin defectuosa de un turno se calcula dividiendo el nmero de

productos defectuosos por la produccin de ese turno, es decir, los valores de la columna D divididos por los valores de la columna C.

Figura 1 Como recordaremos de un post anterior, los lmites de control de un grfico de fraccin defectuosa con tamao de muestra variable vienen dado por la siguiente frmula:

Figura 2 Mientras que la fraccin defectuosa p barra, se calcula con la siguiente frmula:

Figura 3 Ahora bien de las ecuaciones de la Figura 2, vemos que para calcular estos lmites necesitamos el valor p barra, que es una estimacin de la fraccin defectuosa y ni, que es el tamao de muestra de cada turno. Es decir, tendremos lmites de control de diferentes tamaos, debido a que los tamaos de muestra son variables. El valor de p barra es entonces:

Entonces tenemos ya el valor de p barra y los valores de ni, los cuales son los artculos producidos en cada turno (tamao de muestra), cuyos valores se muestran en la columna C de la Figura 1. Ya con esto, calculamos los lmites de control con las frmulas de la Figura 2. Los valores se muestran en las columnas I, J y K de la siguiente figura.

Por otra parte, en la columna H de la figura anterior, tenemos la fraccin defectuosa de cada muestra o turno, est se calcula para cada turno, dividiendo el nmero de defectuosos del turno por el total de artculos producidos. Con los valores de las cuatro columnas de la Figura 5, podemos construir el grfico de control. Reitero que en un post anterior que se encuentra aqu, se muestra como se puede hacer este grfico de control similar. Con los datos de la Figura 5, el grfico de control nos quedara as: