Ahora vamos a ver un problema particular que se puede encontrar con los gráficos de control de atributos.
Generaremos cuatro flujos de datos de un proceso y crearemos una causa especial de variación en cada flujo de datos. Ahora veremos los gráficos de control para los cuatro colores de cuentas.
Para los cuatro colores, el número de cuentas en la caja se duplica después de la toma 20, por lo que esperaríamos ver una clara señal de que se ha producido el tipo especial de variación. Los límites de control se calculan utilizando todos los datos, por lo que los disparos 1-20 deberían dar resultados por debajo de la media y los disparos 21 – 40 deberían dar resultados por encima de la media.
Observe el gráfico de las bolas rojas: El gráfico muestra puntos que están fuera de los límites de control y hay largos recorridos por debajo y por encima de la media, por lo que la variación especial es claramente visible en este gráfico.
Observe ahora los gráficos de las cuentas verdes, amarillas y azules: La causa especial de la variación no es tan obvia en estos gráficos, especialmente en el de las cuentas azules.
Ahora observaremos la posición del límite superior de control de cada gráfico: Observe la cifra media (Avg.) del gráfico de cuentas rojas. Observe la cifra del límite superior de control (UCL) del gráfico de cuentas rojas. El límite superior de control es probablemente 1,4 veces la media.
Observa los valores de la media y del límite superior de control de los otros tres gráficos. Calcule aproximadamente cuántas veces es mayor el UCL que la media.
A medida que la cifra media es más baja, el límite de control superior se aleja más de la media. En el gráfico de la cuenta azul, el límite superior de control es muchas veces mayor que la media.
Lo único que difiere entre los cuatro gráficos es el número medio de cuentas recogidas. Esta demostración muestra uno de los problemas inherentes a los gráficos de control de atributos. Si la media de las muestras es baja, los gráficos de control de atributos no son sensibles a la hora de detectar variaciones especiales.
Dado que solemos contar los problemas o los fallos, esto significa que a medida que tenemos más éxito en la eliminación de los problemas, los gráficos se vuelven menos buenos para separar la variación de causa especial de la variación de causa común.
La mejor manera de superar este problema es, siempre que sea posible, utilizar una medida de una escala continua y trazarla en un gráfico de variables (Xbar & Range o X) en lugar de utilizar datos de recuento con un gráfico de atributos.
Por ejemplo, si está tratando de producir un producto o servicio dentro de una especificación determinada de tiempo, peso o longitud, entonces haga gráficos de control a partir de la medición de tiempo, peso o longitud. Esto indicará la variación especial mucho mejor que un gráfico de atributos que muestre el número de productos fuera de especificación. Si no es posible utilizar una variable, hay otras soluciones posibles:
Utilice tamaños de muestra grandes para que el recuento medio sea lo más alto posible.
Si ya ha recogido los datos, podría combinar varias de las muestras originales en un número menor de muestras grandes. Esto aumentaría el recuento medio por muestra, pero existe un peligro. Si muchas de las nuevas muestras grandes contienen productos de antes y después de los cambios de proceso, entonces la variación especial podría quedar oculta. Sólo sería sensato combinar las muestras si las nuevas muestras grandes siguen conteniendo productos fabricados aproximadamente al mismo tiempo.
Podríamos medir el intervalo entre las apariciones del atributo y trazarlo en un gráfico X. El intervalo podría ser el número de productos que no tienen el atributo, o el volumen total de producto bueno entre cada aparición de producto malo. También podríamos medir los intervalos de tiempo (meses, días o minutos) entre las apariciones de lo que nos interesa.
Con porcentajes de defectos extremadamente bajos también se puede utilizar el Gráfico de Control de Recuento Acumulativo que utiliza una escala exponencial, pero esto va más allá del alcance de esta formación.
Resumen de la lección 9:
1. Tenga cuidado con cualquier gráfico de control de atributos que tenga una media muy pequeña. Las causas especiales de variación pueden estar presentes en el proceso pero no aparecer en el gráfico.
2. Intente siempre utilizar gráficos de control con mediciones variables en lugar de simples recuentos de aprobados/fallos.
3. Si no es posible utilizar mediciones variables, entonces, si tiene suficientes datos, puede intentar combinar muestras o calcular intervalos para ver si hay alguna indicación de variación especial.