You are on page 1of 12

3.2.2 Grafico np.

(Carot, 466)
El objeto de ste grfico es controlar la proporcin de piezas defectuosas que
genera el proceso con el fin de que sta proporcin disminuya y, sobretodo de evitar que
aumente. Implcitamente el uso de este tipo de grficos con la aceptacin de que nuestro
proceso genera piezas defectuosas. Lo ideal es conseguir el objetivo cero defectos, pero
la aceptacin de la existencia de piezas defectuosas no debe ser considerada como una
actitud conformista sino realista y como un estmulo para lograr una mejora continuada
de/a calidad.
Si p0 es la proporcin de piezas defectuosas cuando el proceso funciona bien, el
Grfico de Control np no es ms que el test de hiptesis:
H 0 p p0 vs H 1 p p 0

En el apartado 4.3.4. del captulo V se estudia este test y en el ejemplo 5.32


apartado c) se puede seguir el procedimiento exacto para el clculo de los limites del test
que all se llaman c1 y c2 y que aqu llamaremos Limites de Control Inferior y Superior,
respectivamente.
Este clculo exacto se basa en que si n es el tamao de muestra y p es la proporcin de
piezas defectuosas del proceso, la variable X nmero de piezas defectuosas en la
muestra se distribuye segn una variable Binomial de parmetros n y p, o sea,
X B n, p y requiere un proceso de tanteo en las tablas de distribucin de la variable
binomial (Tabla 1 del Anexo 1) que no es cmodo de realizar.
Por ello, en la prctica usual de ste grfico de control, se suele utilizar un
procedimiento aproximado, consistente en aproximar la variable Binomial a la
correspondiente variable Normal, es decir:

X N np;

npq

con lo que debemos usar las formulas expuestas en el apartado4.3.4.2 del capitulo V:

c1 np0 z
c 2 np0 z

np 0 q 0
np 0 q 0

con lo que la zona de aceptacin de la H0 es:

A x x c2 x
z np0 q0 x np0 z np0 q0
c
np
2
2
0
1

la curva caracterstica resultan


c 2 np

c
p 0,1 es Pa p P c1 X 2 np

133

c1 np

npq

npq

y el tamao de muestra a tomar para que la curva caracterstica pase por los puntos
p0 ;1 y p1 ; es:
z

p0 q0 z

p1 q1

p1 p 0

En la que la proporcin de piezas defectuosas cuando el proceso esta bajo control, con
q 0 1 p 0 , es la probabilidad de error de primera especie, z es el valor de una
2
variable normal tipificada que a su derecha su funcin de densidad tiene un rea igual 2
, n es el tamao de muestra y es la funcin de distribucin de una variable Normal
Tipificada.
La aplicacin de este procedimiento aproximado puede seguirse en el ejemplo
5.33, apartado c).
El Grfico np, al igual que el resto de Grficos de Control, se usa para detectar la
existencia de causas asignables, cuya presencia se traduce en la prdida de estabilidad de
la distribucin de la variable que graficamos, en este caso X = nmero de piezas
defectuosas en la muestra. Puesto que la variable que estamos estudiando es X=B(n,p)
su distribucin vara con un cambio de n y/o p. Si lo que pretendemos es detectar la
existencia de causas asignables que modifiquen el valor de p, lgicamente, deberemos
mantener constante a lo largo del muestreo el tamao de muestra n pues, de esta forma,
cualquier modificacin en la distribucin de X ser debida, exclusivamente, a un cambio
en p.
Si la proporcin de piezas defectuosas que genera el proceso cuando ste est bajo
control p0 es conocida la lnea central y los lmites de control del Grfico np son:
LC np 0

LCI np 0 z
LCS np 0 z

np 0 q0
np 0 q 0

En general, en los grficos de control iniciales no se conoce p0, por lo que habr
que proceder a su estimacin a partir de la informacin que suministran m muestras de
tamao n cuando el proceso est bajo control.
En el apartado 3.2.4. de capitulo V se ha estudiado la estimacin de la proporcin de
piezas defectuosas p a partir de de m muestras de tamao n. All se han considerado dos
estimadores:
m

p xi

x
i 1
m

n
i 1

y
i

p p1

134

p
i 1

En general, en los grficos de control iniciales no se conoce p0, por lo que habr
que proceder a su estimacin a partir de la informacin que suministran m muestras de
tamao n cuando el proceso esta bajo control.
En el mencionado apartado 3.2.4 del capitulo y se pone de manifiesto que ambos
estimadores son insesgados y que la varianza del estimador p xi es menor o igual que la
de p p pero que cuando n es constante (como ocurre en este grfico) los dos estimadores
i

son uno mismo. En consecuencia, en el grfico p que ser estudiado en el apartado


siguiente, como la constancia de n no es exigible, utilizaremos p xi por ser el de menor
varianza. Con el simple fin de dar una nica regla para los dos grficos utilizaremos el
estimador p x .
i

En el Grfico np se suele utilizar el trmino (np)i para designar a xi nmero de


piezas defectuosas en la muestra numero i con lo que el estimador de p quedar:
m

p xi

x
i 1
m

n
i 1

np

n*m

np
n

en la que n p es la media aritmtica de las piezas defectuosas calculada en el


conjunto de las m muestras.
es n p pues:

De la ecuacin anterior se desprende que el estimador E(X)=np a utilizar

np n * p n * n p n p
n

y el estimador de la variancia D2(X)=npq resulta:

npq

np

n p * q n p * 1 p n p * 1

De donde se desprende que la lnea central y los lmites de control son:


LC n p

LCS n p z
LCI n p z

np

n p 1

np

n p 1

En la practica usual del Control de Calidad, al igual que en los grficos por
variables, tambin en los grficos por atributos se utiliza el llamado criterio 3 ,
consistente en que z 2 3 lo que equivale, bajo el supuesto de normalidad de X, a que
0.0027 . Con ello, las formulas a aplicar son:

LC n p

135

np

LCS n p 3 * n p 1

np

LCI n p 3 * n p 1

Como en los Grficos de Control por Variables, en el Grfico np, los Lmites de
Control Preliminares se calculan a partir de m muestras de tamao n cuando se supone
que el proceso est bajo control. Precisamente, estos lmites preliminares se utilizan para
contrastar si realmente el proceso estaba bajo control cuando se tomaron las muestras que
sirvieron de base para su propio clculo.
Una vez calculados los lmites preliminares, se representan estas primeras m
muestras en un grfico en el que en el eje de ordenadas se sitan las piezas defectuosas de
cada muestra y en el eje de ordenadas el nmero ordinal de la muestra. Si en este Grfico
Preliminar no existe ninguna seal de falta de control se acepta que el proceso funcionaba
correctamente y los lmites de control calculados podrn ser usados en los grficos
siguientes. Si por el contrario, existe alguna seal de falta de control en unos pocos
puntos, se eliminan stos y se recalculan unos nuevos lmites de control preliminares. S
el nmero de puntos restantes despus de la eliminacin fueran insuficientes, se reinicia
el proceso volvindose a tomar m nuevas muestras cuando se supone al proceso bajo
control. Se repite el ciclo hasta encontrar un grfico preliminar que sirva de referencia a
los siguientes grficos de control.
Encontrados los Lmites Preliminares y puesto en funcionamiento el sistema de
control del proceso mediante los grficos np, se recomienda que peridica se recalculen
nuevos Lmites de Control basndose en la informacin suministrada por los grficos ms
recientes en los que no existe ninguna seal de falta de control pues, de esta forma, en los
nuevos lmites tendremos en cuenta las mejoras de calidad que progresivamente se van
produciendo.
Ejemplo 10.1.
La empresa de plsticos PLASTIVAL SA. produce para la industria farmacutica
FARMAVAL SA. obturadores-dosificadores. Esta pieza, sirve de cierre y de dosificador
en envases tambin de plstico para gotas oftlmicas. Las prescripciones para las
diferentes caractersticas de calidad cualitativas (rebabas, poros, grietas, etc.) se pueden
comprobar visualmente con facilidad y para las caractersticas cuantitativas, que solo son
dimensiones, existen calibres pasa-no pasa. En consecuencia, la clasificacin de cada
pieza en correcta o defectuosa se realiza con rapidez y facilidad.
Para el clculo del Grfico de Control Preliminar, cuando aparentemente el proceso
estaba bajo control, se tomaron m = 50 muestras de tamao n = 40, contabilizndose en
cada muestra el nmero de piezas defectuosas. En la tabla 10.1 se recogen los resultados
obtenidos

Muestra num

defectuosas

xi npi

Muestra
num

defectuosas
xi npi

136

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

1
3
4
2
0
2
5
3
4
3
1
2
1
2
1
1
3
1
3
4
2
2
3
2
1

26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50

4
1
0
2
4
1
0
2
3
0
1
1
1
1
4
1
7
1
0
1
4
3
2
2
3

Calcularemos los lmites preliminares mediante:


LC n p

105
2.1
50

np
2.1

LCS n p 3 n p 1
LCS 2.1 3 2.1 1
6.33175
n
40

LCI n p z

np
2.1

n p 1
2.13175
= LCI 2.1 3 2.1 1
40
n

La Lnea Central (LC) nos indica que por trmino medio es de esperar que
aparezcan 2.1 piezas defectuosas en una muestra de tamao 40. El lmite de Control
Superior (LCS) establece que si en la muestra aparecen 6 piezas defectuosas o menos,
aceptaremos que el proceso funciona correctamente y que si aparecen 7 o ms
defectuosas rechazaremos la anterior hiptesis, es decir, aceptaremos que el proceso est
fuera de control. El Lmite de Control Inferior (LCI) es negativo, en consecuencia el
valor a utilizar es 0, con lo que no se rechazar ningn punto por ser inferior al LCI.

137

En la figura 10.1 se ha representado el Grfico de Control np correspondiente a


los datos anteriores. En l puede observarse que el punto representativo de la muestra
nmero 42 supera al LCS y, por tanto, indica que no se puede aceptar que cuando se tom
dicha muestra el proceso estaba bajo control.

138

Antologia Control Estadisticode la Calidad


Ing. Juan Jose Siliceo Romero
Ejerc icio 10.1 Carot, 471
1

UCL=6.332

Sample Count

6
5
4
3

__
NP=2.1

2
1
0

LCL=0
5

10

15

20

25
30
Sample

35

40

45

50

(El mismo ejemplo tratado con MINITAB)


Siguiendo la norma, el punto 42 debe ser eliminado y los Limites de Control
recalculados. Como el nmero de piezas defectuosas de la muestra 42 es 7, al eliminar
esta muestra el nmero total de piezas defectuosas en el conjunto de las 49 muestras
restantes es 105 -7 = 98. En consecuencia los nuevos lmites sern:
LC n p

98
2
49

np
2

LCS n p 3 n p 1
LCS 2 3 2 1
6.13521
n
40

LCI n p z

np
2

n p 1
2.1352
= LCI 2 3 2 1
40
n

En la figura 10.2 se ha representado el segundo Grfico Preliminar np. En l


puede observarse que ya no existe ninguna seal de falta de control. Por tanto, el
siguiente grfico de control se iniciar representando los lmites de control ahora
calculados para, a continuacin, tomar peridicamente las correspondientes muestras de
tamao 40, contabilizar las piezas defectuosas en la muestra y llevar este resultado al
grfico. De esta forma controlaremos el proceso en el sentido de que si aparece una causa

139

especial que aumente la proporcin de piezas defectuosas debe aparecer en el grfico la


correspondiente seal de falta de control.
Ntese que el Lmite de Control Inferior es nulo. Si se produjera una mejora en el
proceso que se traduce en una disminucin del porcentaje de piezas defectuosas y, por
tanto, una disminucin del valor medio np, debera producirse en el grfico de control la
salida de un punto por debajo del lmite inferior, cosa que es imposible pues es nulo. Por
otra parte, debemos recordar que el procedimiento de clculo utilizado ha sido el
aproximado consistente en suponer que la variable (np) es una variable Normal cuando
realmente es una Binomial. La asimetra de esta variable hace que las rachas a ambos
lados de la lnea central no sean muy fiables y, en consecuencia, una racha por debajo de
la LC puede no ser ndice de que la proporcin p ha disminuida. Todo ello abunda en la
necesidad de que peridicamente, aun cuando no aparezcan seales de falta de control, se
recalculen los lmites de Grfico np.

140

Antologia Control Estadisticode la Calidad


Ing. Juan Jose Siliceo Romero
Ejerc icio 10.1 Carot, 471. Limites revisados
UCL=6.135

Sample Count

5
4
3
__
NP=2

2
1
0

LCL=0
5

10

15

20

25
30
Sample

35

40

45

:
(Evans, 727)
Grficas np para nmeros no conformes.
En la grfica p, la fraccin de no conformidades de la sima muestra se da
mediante

pi

yi

donde yi, es el nmero de no conformidades encontradas y n es el tamao de la muestra.


Al multiplicar ambos lados de la ecuacin pi yi

por n, se obtiene
y i np i

es decir, el nmero de no conformidades es igual al tamao de la muestra por la


proporcin de no conformidades. En lugar de usar una grfica para la fraccin de no
conformidades, resulta til una alternativa equivalente, una grfica para el nmero de
artculos no conformes.
Este tipo de grfica de control se conoce como grfica np
141

La grfica np es una grfica de control para el nmero de artculos no conformes


en una muestra. Para usar la grfica np, el tamao de cada muestra debe ser constante.
Suponga que dos muestras de tamaos 10 y 15 tienen cada una cuatro artculos no
conformes. Es evidente que la fraccin de no conformidades en cada muestra es
diferente, lo que se reflejara en una grfica p. Sin embargo, una grfica np no indicara
alguna diferencia entre las muestras.
Por tanto, son necesarias muestras de mismo tamao a fin de tener una base comn para
la medicin. Para las grficas p no se requieren muestras del mismo tamao, porque la
fraccin de no conformidades no vara de acuerdo con el tamao de la muestra
La grfica np es una alternativa til para la grfica p. porque a menudo es ms fcil de
entender para el personal de produccin (el nmero de artculos no conformes es ms
significativo que una fraccin). Asimismo, slo requiere de un conteo, por lo que los
clculos son ms sencillos.
,Los lmites de control para la grfica np, al igual que los de la grfica p, se basan
en la distribucin de probabilidad binominal. La lnea central es el nmero promedio de
no conformidades por muestra, como indica n que se calcula al tomar k muestras de
tamao n, sumando el nmero de no conformidades yi en cada muestra y dividindolo
entre k, es decir,
np

y1 y 2 .... y k
k

un estimado de la desviacin estndar es


s np

np 1 p

donde p np / n. Utilizando limites 3 como antes, los limites de control se


especifican mediante
LCS np np 3 np 1 p
LCI np np 3 np 1 p

los datos para el ejemplo de la oficina de correos que estudiamos antes se dan en la figura
14.33. El nmero promedio de errores que se encontr es:
np

3 1 .... 0 1
2.2
25

Para encontrar la desviacin estndar, primero debemos calcular


p

2.2
0.022
100

Entonces s np 2.21 0.022 1.4668

142

Figura 14.33

Los limites de control se calculan como


LCS np 2.2 31.4668 6.6
LCI np 2.2 31.4668 2.20

Como el limite de control inferior es menor que cero, se usa un valor de cero. La grafica
de control para este ejemplo se ilustra en la figura 14.34 (MINITAB)

143

Figura 14.34

144