¿El número de prolapsos de este año en mi granja es normal y está bajo control?
El gráfico de control C se utiliza para controlar el número total de eventos en un determinado proceso en soporte continuo, es decir, errores por unidad, que siguen una distribución de Poisson teóricamente con infinitos valores posibles. Es decir, no hay un tamaño de grupo para calcular proporciones como en el caso anterior.
La unidad de inspección debe representar siempre una probabilidad igual de que se produzcan los defectos. El uso más habitual es para monitorizar el número total de no conformidades medidas en una serie de k muestras del mismo tamaño.
Se basa en el número de defectos por artículo para muestras de igual tamaño. Una unidad defectuosa puede tener uno o más defectos y aun así no ser defectuosa por la importancia del defecto.
Algunos ejemplos de cuándo usamos un gráfico C:
Número de impurezas por cada saco de pienso. Se inspecciona un saco y se cuenta cuántos defectos tiene.
Se toman muestras de 10 sacos de pienso, y se cuentan dentro de cada saco los defectos, por ejemplo, cambios de color o degradación. Contamos, por tanto, para cada 10 sacos el número total de defectos, independientemente de en qué unidad estén.
Monitorizar el número medio de lechones nacidos por parto.
En este caso, vamos a ver cómo estudiamos datos de sucesos raros, excepcionales o extraños debido a su baja frecuencia de aparición. Lo que vamos a comprobar es si estos sucesos que ocurren con baja frecuencia son significativos o no, y debemos hacer algo cuando aparecen de nuevo.
En una granja de cerdas ocurren ocasionalmente prolapsos rectales, y esto debe tenerse en cuenta y analizarse con precaución, ya que puede ser un síntoma especial
Imaginemos que en el mes de junio de 2019 hubo un prolapso uterino de una cerda tras el parto y nuestro programa de gestión nos informa de que éste es el primer prolapso de este año y que la media de los últimos cuatro años es de 0,29 prolapsos mensuales. ¿Es importante la aparición de este suceso o no? Si queremos verlo gráficamente, podemos generar un gráfico de series temporales.
Para resolver este ejercicio, nosotros hemos utilizado el programa Síagro y cargado un archivo de datos (ficticio, por razones de confidencialidad) con la siguiente información.
| date | prolapso |
| 01/08 | 1 |
| 02/08 | 0 |
| 03/08 | 1 |
| 04/08 | 0 |
| 05/08 | 0 |
| . | . |
| . | . |
| . | . |
| 10/12 | 0 |
| 11/12 | 0 |
| 12/12 | 1 |
Antes de seguir analizando, vamos a explicar la base de datos. Como vemos, las variables son contajes y, además, son contajes de sucesos excepcionales u ocasionales que normalmente son independiente unos de otros. El área de oportunidad del suceso es igual ente los diferentes periodos de tiempo. Por ello, realizaremos un gráfico C.
Este archivo contiene los datos de la aparición de prolapsos uterinos de una granja de cerdas tomados mensualmente durante 60 meses. Tiene tres variables:
- Fecha: fecha de inicio de cada mes.
- Prolapso: número total de prolapsos sucedidos durante ese mes.
Si, una vez en Síagro, accedemos a EDA / Secuencial y seleccionamos la variable “prolapso” de la base de datos, obtendremos el siguiente gráfico:
Si accedemos a Análisis SPC y seleccionamos la variable de estudio, nos aparecerá automáticamente la opción de un gráfico C, con la siguiente salida:
El gráfico nos informa de que la aparición media de prolapsos en este tiempo estudiado es de 0,4 prolapsos por mes (center) y que el límite de control superior es de 2,29 prolapsos por mes (UCL), por lo que en nuestro caso podemos tomar la decisión de no llevar a cabo ninguna actualización. El cálculo del límite de control superior se realiza automáticamente por Síagro siguiendo las formulas estadísticas del modelo.
¡Alternativa! Existe otra forma de controlar la aparición de sucesos excepcionales
Alternativa: Existe otra forma de controlar la aparición de sucesos excepcionales: En vez de controlar los sucesos, lo que podemos controlar son los días que transcurren entre la aparición de dos sucesos o bien el número o la frecuencia de sucesos aparecidos por año (en caso de seguir ese ritmo de aparición), y entonces podemos usar bien los gráficos de control X o los gráficos “p”.
Para ello, utilizaremos una base de datos que contiene dos variables adicionales: “diasentre” y “prolaano”. “prolaano” es la teórica frecuencia anual de aparición de prolapsos y que representaremos con un gráfico de control de valores individuales:
El gráfico nos informa de que la aparición media de prolapsos en esta granja durante estos 5 años es de 3,73 (center) prolapsos anuales y que nuestro límite de atención es de 7 prolapsos al año (UCL).
