El desarrollo de técnicas que aumenten la eficiencia de gráficos de control estadístico de procesos por atributos tiene gran importancia porque el control por atributos típicamente exige tamaños de muestra muy grandes para obtener un tiempo rápido de señalización de desvíos en el proceso. En diversas situaciones prácticas estos tamaños de muestra pueden ser altamente indeseables o incluso inviables. Los esquemas adaptativos, que consisten en variar uno o más parámetros del gráfico de control (tamaño de muestra, intervalo de tiempo entre muestras y abertura de los límites de control) de acuerdo con la información precedente ofrecida por el gráfico (esto es, de acuerdo con la posición del último punto registrado), proporcionan, para la detección de desvíos pequeños a moderados, una mayor eficiencia que los esquemas tradicionales, de parámetros fijos. Mientras que los esquemas adaptativos han sido propuestos para gráficos de control por variables, para gráficos por atributos - a pesar de la necesidad y oportunidad mencionada de investigar formas de aumentar la eficiencia de gráficos de control estadístico de procesos por atributos - no existen muchas referencias en la literatura. Esta es la motivación del presente trabajo, que propone un esquema adaptativo para gráficos de control por atributos, aplicable tanto a gráficos de np como de c, variando todos los parámetros del gráfico. Se desarrolla el modelo matemático para el cálculo de las medidas de desempeño; este modelo fue implementado en una planilla electrónica, que permitió analizar cuantitativamente el desempeño del esquema en una amplia gama de casos, comparando con el desempeño de gráficos tradicionales (con parámetros fijos), y con el de otros esquemas adaptativos, con menor número de parámetros variando. El esquema propuesto se mostró sensiblemente más eficiente en la mayoría de las situaciones de interés que motivaron el trabajo. Resultados adicionales del trabajo son: la identificación de las situaciones en que cada esquema es más eficiente (o del esquema más eficiente en cada situación) y conjuntos de valores recomendados para los parámetros de los gráficos en cada situación. Estos resultados facilitan la operacionalización de la ferramenta para uso en la práctica.