Quality 02

CONTROL DE LA CALIDAD I
Docente: Ing. Carlos Oqueliz Martínez
02/01/2017
QUALITY.02.GC.var.84d.21.04.2015
1
COMPETENCIAS
 Identifica la calidad como responsabilidad de las

empresas y como factor de competitividad en el
mercado.
 Desarrolla y aplica el control estadístico del proceso y

determina su aptitud para generar productos que
cumplan las especificaciones de calidad.
 Desarrolla y aplica planes de muestreo de aceptación

para el control estadístico de calidad en lotes de
insumos y materiales, así como, de productos
terminados.
02/01/2017 2
CONTROL ESTADISTICO DE
CALIDAD
Las técnicas de control de calidad basadas en
la estadística se clasifican en:
* CONTROL ESTADISTICO DEL PROCESO.
 Tiene como propósito el control de calidad de
los productos en proceso.
* PLANES DE MUESTREO.
 Se denomina también Muestreo de
Aceptación y tiene como propósito el control de
calidad de productos terminados, materiales,
suministros, etc.
02/01/2017 3
CONTROL ESTADISTICO DEL
PROCESO (CEP/SPC)
 Se puede realizar:
 Sobre una característica cuantitativa que se debe medir,
denominada variable, tal como longitud, resistencia,
concentración, contenido de impurezas, etc.
 Sobre una característica cualitativa que se puede
contar, denominada atributo, tal como el control pasa
no pasa, piezas defectuosas, número de defectos por
unidad producida etc.
02/01/2017 4
CONTROL ESTADISTICO DEL
PROCESO
Como elementos estadísticos requiere de la
media aritmética, desviación estándar, rango,
población y muestra, distribuciones estadísticas,
etc.
Definición: Es un procedimiento técnico que
permite la comparación del funcionamiento del
proceso con los límites establecidos, con el
propósito de asegurar que se obtienen las
características del producto dentro de lo
especificado y lograr la reducción del costo del
control.
02/01/2017 5
Aspectos operativos de la calidad
Calidad se entiende por satisfacción o

superación de las expectativas del cliente.
Se puede representar como:
 Cumplimiento de las especificaciones
anunciadas del producto o servicio (duración,
resistencia, consumo, tiempo de entrega, etc.).
 Valor del producto o servicio entendido como el
valor y su propósito.
 Servicio al cliente, antes y después de la venta.
02/01/2017 6
Métodos para alcanzar calidad total
Función de Taguchi.
 Creador de la ingeniería de calidad.
 Análisis de procesos y métodos estadísticos
para mejorar la calidad y reducir los costos.
 Establece que es determinante evaluar y
20
disminuir todas las formas de
variabilidad asociadas al 15
desempeño de un proceso. 10
 Entender la variabilidad y 5
Límite
Inferior
Límite
Superior
disminuirla es fundamental
en calidad. 0 2 4 Valor 6 8 10
Objetivo
02/01/2017 7
Control estadístico de procesos
Tiene por objetivo identificar y eliminar las causas

de variabilidad.
Tipos de variabilidad:
Por causas comunes, se representa conforme a una
función de distribución conocida (Ej. Distribución
Normal)
Por causas asignables, cuando los parámetros de la
función de distribución (ej. Media, varianza o
esperanza), cambian de manera incierta.
A mediano plazo el ingeniero debe centrarse en la
variabilidad por causas comunes, con soluciones
para disminuir la variabilidad y mejorar la precisión
del proceso.
02/01/2017 8
A corto plazo se debe:

Seleccionar un proceso y estimar la variabilidad
natural.
Decidir si aceptan la variabilidad del proceso
como natural, es decir debida a causas comunes.
Identificar la presencia de variabilidad debida a
causas especiales en el desempeño del proceso.
Aislar y eliminar cualquier variabilidad debida a
causas especiales o asignables.
Esto se logra mediante una banda de control,
estableciendo los límites mínimos y máximos
para que un proceso esté bajo control.
02/01/2017 9
Causas de variación aleatorias y
asignables
Tiempo
s 1 > s0
t3
m2 < m0 s1 > s0
t2
s0
t1 m1 > m0
s0
LIE m0 LSE Característica de calidad

10
del proceso
La variabilidad del proceso
La variabilidad se refiere a la discrepancia entre el

desempeño actual (real) y el esperado (planificado).
Al definir clientes externos e internos, existen dos
tipos de variabilidades:
Variabilidades externas, relacionadas con la
percepción de los clientes sobre un producto
determinado (ej. Número de quejas, índice de
satisfacción del cliente, etc).
Variabilidades internas, diferencias entre los
procesos y los productos para cada unidad o servicio
producido.
02/01/2017 11
¿Cómo registramos y analizamos la
variabilidad? (cont)
 Histogramas
Ej 14% de los muebles pesan 41.5 kg, 11% pesan 42 kg.
14
12
10
Frecuencia (%)
0
36 37 38 39 40 41 42 43 44 45 46
Peso del mueble (kg)

02/01/2017 12
Causas de la variabilidad en un proceso
Causas Comunes Causas Asignables

 Suelen ser muchas y cada una  Suelen ser pocas pero con
produce pequeñas efectos importantes en la
variaciones. variabilidad.
 Son parte permanente del  Aparecen esporádicamente.
proceso.  Son relativamente fáciles de
 Son difíciles de eliminar y eliminar.
forman parte del sistema.  Por lo general su efecto está
 Afectan a todo el conjunto de localizado en una(s)
máquinas y operarios. máquina(s) u operario(s).
02/01/2017 13
ELEMENTOS DEL CEP/SPC
 Proceso: es la combinación de materiales, mano de

obra, métodos de trabajo, instalaciones y entorno que
forman parte de la elaboración de un bien o servicio. Su
comportamiento es dinámico y se puede mejorar.
 Definición del proceso: consiste en establecer las
especificaciones del producto y los elementos que
intervienen (mano de obra, instalaciones, materiales,
métodos, etc.)
02/01/2017 14
Condiciones del proceso: consiste en la

definición de los parámetros del proceso que
deben ser ajustados para obtener la máxima
homogeneidad de salida, evitando toda
variación innecesaria.
Información sobre el comportamiento del
proceso, permite estudiar las variaciones de los
parámetros más significativos (dimensiones,
peso, presión, etc.) que definen el estado
operativo de los elementos del proceso.
02/01/2017 15
Medidas preventivas: del análisis e

interpretación de la información anterior en
tiempo real puede surgir la necesidad de tomar
acción sobre el proceso para mejorarlo.
Medidas correctivas: se aplican a la
producción en curso cuando el proceso no está
bajo control por influencia de alguna causa.
02/01/2017 16
DINAMICA DEL PROCESO
 En todo proceso de fabricación se generan variaciones

en las características del producto.
 Si al medir un número grande de piezas las variaciones
de la característica en estudio se repiten y mantienen en
el tiempo, se considera que el proceso es estable.
 En tal caso se asume que existe un modelo estadístico
de variación debido a causas aleatorias o comunes
que resultan homogéneas, predecibles y que son
intrínsecas al proceso.
02/01/2017 17
Cuando además de las variaciones por causas

comunes se presentan otras que alteran el
modelo estadístico de variación, se dice que el
proceso está fuera de control o que es
inestable.
Tales causas que se denominan especiales o
asignables pueden ser: cambio de los
materiales, desajuste o desgaste de máquinas,
cambio de operarios, error humano, etc.
02/01/2017 18
Las causas comunes o no asignables, están

presentes siempre y generan una variabilidad
homogénea y continua.
Los defectos debidos a causas comunes
aparecen aleatoriamente y la aparición de un
producto defectuoso no hace más probable la
aparición del siguiente.
Por el contrario, los productos defectuosos
debidos a causas asignables se siguen
generando hasta que se aplique la medida
correctiva.
02/01/2017 19
GRAFICAS DE CONTROL
Es una técnica de control estadístico del

proceso que permite comparar en el tiempo su
funcionamiento con los límites establecidos.
Permite detectar si existen causas especiales o
asignables de variación que afectan al proceso,
analizar y decidir la acción correctiva.
02/01/2017 20
Elementos y principios básicos de
una Gráfica de Control
Gráfica de control
Característica
de calidad
LSC
Límite Superior de Control
LC
Línea Central
LIC
Límite Inferior de Control
1 2 3 4 5 6 7 8
Número de subgrupo o
muestra
21
Gráficas de control y pruebas de hipótesis
Suponga que en la gráfica de control el eje vertical
representa el estadístico
x muestral
Si el valor de cae dentro de los límites de control,
x
concluimos que la media del proceso está bajo
control.
m  m0
Por otra parte, si excede cualquiera de los límites
x
de control, concluimos que la media del proceso está
fuera de control.
m  m0
Gráfica de control del diámetro interno de anillos para pistón
74.02
La prueba de hipótesis 74.015
quedaría de la siguiente
74.01
74.005
manera:
x
74
H0 : m  m 0 73.995
73.99
H1 : m  m 0 73.985
73.98
Región de rechazo 73.975
x  LIC ó x  LSC
73.97
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Subgrupo
22
Error tipo I y error tipo II en una gráfica
de control
Riesgo del proveedor

 
  PError tipo I 2 2
 PRechazar H 0 H 0 es verdadera
m  m0

Riesgo del cliente
  PError tipo II
 PFallar al aceptar H 0 H 0 es falsa 
m  m0
Potencia de la prueba
1    PAceptar H 0 H 0 es falsa 
23
Modelo general para una gráfica de
control
Sea w un estadístico muestral que mide cierta
característica de calidad y sean mw y sw la media y la
desviación estándar de w, respectivamente. Entonces, LC,
LSC y LIC son:
LSC = mw + L sw
LC = mw
LIC = mw - L sw
24
Aplicación de las Gráficas de Control
El uso más importante es mejorar el

desempeño del proceso:
VARIABLE DE CALIDAD RESULTADO DE MEDICIÓN

Entrada Salida
Proceso
Sistema de medición
Verificación y Detección de
seguimiento causa asignable
Identificación de
Implementación de
la causa raíz
acción correctiva
del problema
25
Gráficos de control
3.5
LSC
3.3
3.1
2.9
Carcteisdal
2.7
LIC
2.5
Tie mpo
02/01/2017 26
GRAFICAS DE CONTROL: Requisitos
Características de calidad: consiste en

identificar las variables o parámetros más
representativas para su control.
Sistema de medición: Consiste en definir el
método de medición, el lugar donde debe
medirse y la responsabilidad de la medición.
Toma de datos: consiste en establecer la
cantidad, agrupación y frecuencia de los datos
para su representación gráfica.
02/01/2017 27
CONTROL POR VARIABLES
Los Gráficos de Control por Variables están

diseñadas para registrar características
mensurables.
Ventajas:
* Es ampliamente utilizado porque la mayoría de
características de los procesos se pueden
medir.
*Proporcionan información estadística más
valiosa que la de los atributos, ocasionando
menor costo de inspección.
02/01/2017 28
GRAFICAS DE CONTROL: Requisitos
 Límites de control: se determinan a partir de los datos

y reflejan la variación que será generada en el proceso
debido a la aparición aleatoria de causas comunes.
 Control del proceso: consiste en representar el gráfico
los datos de las muestras de producción siguientes a las
utilizadas en la determinación de los límites de control.
La existencia de puntos fuera de los límites de control
indicará la probable presencia de causas especiales de
variación.
02/01/2017 29
Tipos de Ejemplos de
Gráfica de Control Característica
Datos aplicaciones
a) X-R(Medias y La más versátil y la más utilizada de Control de
Rangos) mayor sensibilidad para identificar turbiedad, etc
causas del problema.
b) X-s (Medias y Se usa cuando los grupos son Parámetros de

Desviación) considerablemente grandes y de control tomados
diferentes fuentes, por lo que cada hora
Variables
requieren de pruebas de
o
homogeneidad.
Medibles
c) X-R(Medianas y Empleadas bajo control estable y ph y calidad
Rangos) donde no se requiere calcular la media. microbiológicas
d) X-R(Lecturas Para pruebas costosas y/o destructivas Dosificación y

Individuales) reactivos químicos
a) “p” (fracción Son poco sensibles a los cambios y no Control / Tiempo

defectiva) es posible determinar la tendencia
central
Atributos b) “np”(número de La más versátil y más utilizada con Procesos
o defectivos) muestras variables administrativos
Discretos
c) “u” Cantidad de defectos sobre muestras Controles del agua
variables o constantes. de mesa
d) “c” Defectos por unidad constante.
02/01/2017 30
GRÁFICOS DE CONTROL (II)
 Límites de control:
 Límite inferior de control :
 (Lower control limit – LCL)
 (LIC) = x  3s
 Límite superior de control :

 (Upper control limit - UCL):
 (LSC) = x  3s
02/01/2017 31
Ejemplo: Peso de un mueble (µ: 42.2kg y σ: 2.08kg)

UCL = 41.2 + 3 * (2.08) = 47.44 kg
LCL = 41.2 – 3 * (2.08) = 34.96 kg
m + 3s
Límite Superior
de Control (UCL)
Media del
99.74%
proceso, m
m - 3s
Límite Inferior
de Control (LCL)
Tiempo
Señal de que puede haber
ocurrido una causa especial o
02/01/2017 32 asignable.
Control de proceso por Variables
Función de densidad de la Distribución Normal:
µ-3σ µ-2σ µ-σ µ µ+σ µ+2σ µ+3σ

68.26%
95.44%
99.74%
Límites de variación natural: son aquellos que

agrupan el 99.74% de la producción cuando el
proceso está bajo control, quedando sólo un 0.26%
fuera de los límites de control. 02/01/2017
33
http://www.ideamas.cl/cursoProb/javaEstat/quincunx/quincun
02/01/2017 34
Estadística de las gráficas de
control
Debido a que hay incertidumbre acerca del
valor de la variable para cualquier pieza,
representamos estos valores a través de una
variable aleatoria X.
Supongamos que para un proceso bajo control,
X tiene una distribución normal.
 s 
X N  m, 
 n
CO4311- Estadística para la Calidad
35
Estadística de las gráficas de
control

P m  3s X  X  m  3s X 
P  3.00  Z  3.00   0.9974
X  mX
Z
sX
Es muy probable que para un proceso
s bajo control, la media muestral caerá
sX  dentro de 3 desviaciones estándar
n CO4311- Estadística para la Calidad

36
GRAFICAS DE CONTROL DE MEDIAS Y RANGOS:
construcción
Tamaño de muestra: el tamaño de la muestra

o subgrupo deberá ser constante.
Generalmente se utiliza por subgrupo 4 ó 5
unidades producidas consecutivamente en el
menor tiempo posible.
Frecuencia de muestreo: de 15 a 30 minutos
al inicio del estudio hasta pasar a una
frecuencia de una o dos horas cuando el
proceso está estabilizado.
02/01/2017 37
GRAFICAS DE CONTROL DE MEDIAS Y
RANGOS: construcción
Número de muestras: desde el punto de vista

estadístico 25 ó más muestras o subgrupos que
dan un total de 100 ó más unidades
inspeccionadas, son suficientes para tener
evidencia de la estabilidad del proceso y
obtener la tendencia central y la dispersión.
Registro de datos: se acostumbra a trazar el
gráfico de medias en la parte superior y debajo
el gráfico de rangos, quedando los datos en la
parte inferior.
02/01/2017 38
GRAFICOS DE CONTROL DE VARIABLES.
Control de la Media: Gráfico X
El control de variables, además de permitir la

clasificación de los artículos en conformes o
disconformes, mediante la cuantificación de la
característica de calidad valora el grado de
disconformidad con respecto a lo especificado.
Para el efecto se asume que la característica de
calidad sigue una distribución normal.
02/01/2017 39
 En el gráfico de control de la media, el estadístico a representar es :
n
x   xi / n
i 1
con n el tamaño muestral, resultando w = x el estimador máximo verosimilitud de la
distribución normal. Tenemos, por tanto, para los límites de control, que :
X
donde :
3
A
n
Generalmente A no se calcula, sino que se toma su valor consultando en tablas, al igual
que todos los parámetros que aparecerán más adelante.
02/01/2017 40
 Cuando se desconocen los parámetros del proceso,
entonces habrá que tomar una serie de m muestras de
tamaño n cada una, determinándose entonces el
estimador máximo verosímil de μ cómo la media de las
medias de cada muestra:
 En cuanto al parámetro σ, existen dos métodos para

estimarlo: con la desviación típica o con el recorrido
muestral.
02/01/2017 41
GRAFICOS DE CONTROL DE
VARIABLES. Control de la Media:
Gráfico X
Donde A1 se consulta en tablas.
02/01/2017 42
Control de la Media: Gráfico X- R
 Si, por el contrario, se realiza la estimación mediante el recorrido,
tendremos:
1 m
R   U in  U i1 
m i 1
donde Ui1 y Uin son el mínimo y el máximo de la muestra ordenada
correspondiente a cada muestra xi1, …,xin con i = 1, …, m.
donde A2 se consulta en tablas.
02/01/2017 43
Control del Rango: Gráfico R
 Pretendemos controlar la variabilidad tomando w = R.
Los límites de control resultante serán, entonces, los
siguientes:
si hubiera que estimar el parámetro σ, entonces los

límites de control valdrían:
cuyos coeficientes se consulta en tablas.
02/01/2017 44
Gráficos de medias y rangos (cont)
Ejemplo .- Se Muestra Observaciones en la muestra Media Rango

muestran datos 1
2
33.00 29.00 31.00 32.00 33.00
33.00 31.00 35.00 37.00 31.00
31.60
33.40
4.00
6.00
3 35.00 37.00 33.00 34.00 36.00 35.00 4.00
correspondientes a la 4 30.00 31.00 33.00 34.00 33.00 32.20 4.00
5 33.00 34.00 35.00 33.00 34.00 33.80 2.00
apertura del alabe 6 38.00 37.00 39.00 40.00 38.00 38.40 3.00
7 30.00 31.00 32.00 34.00 31.00 31.60 4.00
(en mm) para un 8 29.00 39.00 38.00 39.00 39.00 36.80 10.00
9 28.00 33.00 35.00 36.00 43.00 35.00 15.00
componente de la 10
11
38.00 33.00 32.00 35.00 32.00
28.00 30.00 28.00 32.00 31.00
34.00
29.80
6.00
4.00
turbina de un avión. 12
13
31.00 35.00 35.00 35.00 34.00
27.00 32.00 34.00 35.00 37.00
34.00
33.00
4.00
10.00
14 33.00 33.00 35.00 37.00 36.00 34.80 4.00
Se pueden ver los 15 35.00 37.00 32.00 35.00 39.00 35.60 7.00
16 33.00 33.00 27.00 31.00 30.00 30.80 6.00
cálculos preliminares 17 35.00 34.00 34.00 30.00 32.00 33.00 5.00
18 32.00 33.00 30.00 30.00 33.00 31.60 3.00
en la misma tabla. 19
20
25.00 27.00 34.00 27.00 28.00
35.00 35.00 36.00 33.00 30.00
28.20
33.80
9.00
6.00
Promedios: 33.32 5.80
02/01/2017 45
Los límites de control son, en este caso,

 Para el gráfico de medias:
LIC  X  A2 R  33,32  0,577  5,8  29,95
LSC  X  A2 R  33,32  0,577  5,8  36,65
LC  33,32
 Para el gráfico de rangos
LSC  D4 R  2,115  5,8  12,27
LIC  D3 R  0  5,8  0
LC  5,8
02/01/2017 46
R0 angodeprtulab5 10 15 28 30 Apertuaomdilbe32 34 36 38 40
LSC =3 6 .67
L C =3 3 .32
LIC =2 9 .98
5 10 15 20
Mues tr a
LSC =1 2 .27
L C =5 .80
5 10 15 20
02/01/2017 47
M ues tr a
Las muestras 6, 8, 11 y 19 están fuera de

control en gráfico de medias y la 9 lo esta en el
gráfico de rangos.
Cuando se estudian las causas asignables,
estas llevan a una herramienta defectuosa en el
área de moldeo. Los límites deben ser
recalculados excluyendo estas observaciones
atípicas, obteniéndose así un nuevo gráfico,
previa sustitución de las muestras eliminadas.
02/01/2017 48
GRÁFICOS DE CONTROL PARA
VARIABLES
Ejemplo: Las medias de muestras tomadas de un

proceso de fabricación de barras de aluminio dan
una media de 2 cm. La distribución del proceso es
aproximadamente normal y tiene una desviación
típica de 0.1 cm. Determinar los límites de control
que incluirán el 99.74% de las medias de la muestra
si el proceso está generando salidas aleatorias para
los siguientes tamaños de muestra: n=16 y n=25.
02/01/2017 49
VARIABLES
UCL  x  3s x
LCL  x  3s x
 n=16
• UCL = 2+3(0.1/√16)=2.075
• LCL = 2-3(0.1/ √ 16)=1.925
 n=25
• UCL = 2+3(0.1/ √ 25)=2.06
• LCL = 2-3(0.1/ √ 25)=1.94
 A medida que se incrementa el tamaño de la
muestra los límites se aproximan a la media del
proceso.
02/01/2017 50
VARIABLES
 Ejemplo: 20 muestras de n=8 han sido tomadas

de un proceso de fresado. La media del rango
para las 20 muestras era 0.016 cm y la media de
las medias de las muestras 3 cm.
Determinar los límites de control.
02/01/2017 51
SOLUCIÓN
x = 3 cm
R = 0.016 cm
n=8: A2 = 0,37
UCL = x+A2R= 3+(0.37*0.016)=3.006 cm
LCL = x-A2R = 3-(0.37*0.016)= 2.994 cm
02/01/2017 52
RANGO: Ejemplo
25 muestras de 10 observaciones han sido tomadas
de un proceso de fresado. La media de los rangos
es 0.01 cm. Determinar los límites de control.
02/01/2017 53
SOLUCIÓN
R=0.01 cm
n=10 D4=1.78 D3=0.22
UCLR=1.78*0.01=0.0178
LCLR=0.22*0.01=0.0022
Si el rango de una muestra es 0.018 o más, la
variación del proceso ha incrementado; si es
inferior a 0.002 la variación ha disminuido
02/01/2017 54
Control de la Desviación Estándar:
Gráfico s
 En este gráfico se busca la desviación típica mediante el
control del estadístico representativo w = s. Se trata,
pues, del gráfico s, cuyos límites de control toman los
siguientes valores:
donde c2, B1 y B2 se consulta en tablas.
02/01/2017 55
Control de la Desviación Estándar:
Gráfico s
 Si la varianza poblacional es desconocida, entonces se
estimará mediante la varianza muestral como :
s
s
c2
resultando ahora los límites de control con los valores:
donde B3 y B4 se consultarán en tablas.
02/01/2017 56
Construcción de gráficos X s
Cuando no se conocen los valores de m y s los

mismos se calculan a partir de los datos para
obtener los límites de control.
 Para el gráfico de medias:
LSC  X  A3 S LC  X LIC  X  A3 S
 Para el gráfico de desviaciones estándar:
LSC  B4 S LC  S LIC  B3 S
3 1  c4 1  c4
A3  B3  1  3 B4  1  3
c4 n c4 c4 57
Varianza
Fórmula
n 2
 X i X
s2  i 1
La varianza es un estimador sesgado de la varianza

poblacional; por ello se prefiere el uso de la “cuasivarianza”
que es igual que la varianza excepto en que se divide por n-1;
la cuasivarianza es un estimador insesgado de la varianza
poblacional¨:
n 2
 X i X
s2  i 1
n 1
CONSTANTES ESTADISTICAS
CO4311- Estadística para la Calidad 59

CONSTANTES ESTADISTICAS
n 2 3 4 5 6 7 8 9 10
A2 1.880 1.023 0.729 0.577 0.483 0.419 0.373 0.337 0.308
A3 2.659 1.954 1.628 1.425 1.287 1.182 1.099 1.032 0.975
B3 - - - - 0.030 0.118 0.185 0.239 0.284
B4 3.267 2.568 2.266 2.089 1.970 1.882 1.815 1.761 1.716
C2 0.5642 0.7236 0.7979 0.8407 0.8686 0.8882 0.9027 0.9139 0.9227
C4 0.7979 0.8862 0.9213 0.9400 0.9515 0.9594 0.9650 0.9693 0.9727
d2 1.128 1.693 2.059 2.326 2.534 2.704 2.847 2.970 3.078
d3 0.89 0.8884 0.8798 0.8641 0.8480 0.8332 0.8198 0.8078 0.7971
D3 - - - - - 0.076 0.136 0.184 0.223
D4 3.267 2.574 2.282 2.114 2.004 1.924 1.864 1.816 1.777
E2 2.660 1.772 1.457 1.290 1.284 1.109 1.054 1.010 0.975
K1 3.257 2.046 1.630 1.413 1.278 1.185 1.119 - -
02/01/2017 60
CARTAS DE CONTROL DE VARIABLES CARTA
DE PROMEDIO Y RANGO
Toma de datos del diámetro de una pieza de una línea de fabricación (rosca):
N ° d e l su b g r u p o D ía H o ra X1 X2 X3 X4 X R O b s e rva c io n e s
1 23 08:50 6.35 6.40 6.32 6.37 6.36 0.08
2 23 11:30 6.46 6.37 6.36 6.41 6.40 0.10
3 23 13:45 6.34 6.40 6.34 6.36 6.36 0.06
4 23 15:45 6.69 6.64 6.68 6.59 6.65 0 . 1 0 O p e ra d o r n u e vo t e m p o ra l
5 23 16:20 6.38 6.34 6.44 6.4 6.39 0.10
6 27 08:35 6.42 6.41 6.43 6.34 6.40 0.09
7 27 09:00 6.44 6.41 6.41 6.46 6.43 0.05
8 27 09:40 6.33 6.41 6.38 6.36 6.37 0.08
9 27 13:30 6.48 6.44 6.47 6.45 6.46 0.04
10 27 14:50 6.47 6.43 6.36 6.42 6.42 0.11
11 28 08:30 6.38 6.41 6.39 6.38 6.39 0.03
12 28 13:35 6.37 6.37 6.41 6.37 6.38 0.04
13 28 14:25 6.40 6.38 6.47 6.35 6.40 0.12
14 28 14:35 6.38 6.39 6.45 6.42 6.41 0.07
15 28 15:55 6.50 6.42 6.43 6.45 6.45 0.08
16 29 08:25 6.33 6.35 6.29 6.39 6.34 0.10
17 29 09:25 6.41 6.40 6.29 6.34 6.36 0.12
18 29 11:00 6.38 6.44 6.28 6.58 6.42 0 . 3 0 L ín e a a c e it e a ve ria d a
19 29 14:35 6.35 6.41 6.37 6.38 6.38 0.06
20 29 15:15 6.56 6.55 6.45 6.48 6.51 0 . 1 1 M a t e ria l m a lo
21 30 09:35 6.38 6.40 6.45 6.37 6.40 0.08
22 30 10:20 6.39 6.42 6.35 6.40 6.39 0.07
23 30 11:35 6.42 6.39 6.39 6.36 6.39 0.06
24 30 14:00 6.43 6.36 6.35 6.38 6.38 0.08
25 30 16:25 6.39 6.38 6.43 6.44 6.41 0.06
S um a 160.25 2.19
P a s o 1 . C a lc u la r e l p ro m e d io y e l ra n g o p a ra c a d a s u b g ru p o
X = (x 1 + x 2 + x 3 + x 4 )/ n
02/01/2017 R = Xm á x -Xm ín . 61
CARTA DE RANGOS
0.35
0.30
0.30
0.25
Rangos
0.20
0.1998
0.15
0.10
0.0876
0.05
0.00 0.0000
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
Subgrupos
Paso 2. Calcular el rango promedio.
R = 2.19/25 = 0.0876
Paso 3. Dibujar los rangos en la carta de control.
Paso 4. Calcular los límites de control del rango.
LCSR = D4 * R = 2.28 * 0.0876 = 0.1998 mm n 2 3 4 5 6 7 8 9 10

LCIR = D3 * R = 0 * 0.0876 = 0 D4 3.27 2.57 2.28 2.11 2 1.92 1.86 1.82 1.78
Constantes para el cálculo de los Límites de Control D3 * * * * * 0.08 0.14 0.18 0.22
A2 1.88 1.02 0.73 0.58 0.48 0.42 0.37 0.34 0.31
02/01/2017 62
Paso 5. Dibujar las líneas para los puntos de control de rangos.
CARTA DE PROMEDIOS
6.70
6.65 6.65
6.60
6.55
Subgrupos 6.50 6.51 6.47
6.45
6.40 6.41
6.35 6.34 6.35
6.30
6.25
6.20
6.15
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
Diám etros prom edio
Paso 6.Calcular el promedio de la media.

X = 160.25/25 = 6.41 mm.
Paso 7. Dibujar los promedios en la carta de control.
Paso 8. Calcular los límites de control del promedio
LCSx = X+(A2*R) = 6.41+(0.729*0.0876) = 6.477 mm.
LCIx = X-(A2*R) = 6.41-(0.729*0.0876) = 6.35 mm.
Paso 9. Dibujar las líneas para los puntos de control de promedios.
CARTA DE PROMEDIOS
n 2 3 4 5 6 7 8 9 10
Constantes para el cálculo de D4 3.27 2.57 2.28 2.11 2 1.92 1.86 1.82 1.78
D3 * * * * * 0.08 0.14 0.18 0.22
los Límites de control
A2 1.88 1.02 0.73 0.58 0.48 0.42 0.37 0.34 0.31
02/01/2017 63
Patrones comúnmente encontrados en
gráficas de control
PATRÓN PROBABLE DESCRIPCIÓN CAUSAS
Variación natural CAUSAS COMUNES (O NO

o aleatoria. ASIGNABLES).
FALTA DE CAUSAS ESPECIALES (O

ESTABILIDAD ASIGNABLES):
HERRAMIENTA, MATERIAL,
OPERARIO, SOBRECONTROL
TENDENCIA
ACUMULATIVA DESGASTE DE
HERRAMIENTAS
CÍCLICO DIFERENTES TURNOS,

FLUCTUACIONES DE
02/01/2017 64 VOLTAJE, EFECTOS
INTERPRETACIÓN DEL ESTADO DE
CONTROL DEL PROCESO
Un punto más allá de los límites de control

en la Gráfica X.
 Uno ó más puntos fuera de los límites de control en la
Gráfica X es la primera evidencia de la presencia de
causas asignables en ese punto.
 El límite control o el trazado del punto en la gráfica
están errados.
 El proceso ha cambiado ya sea en ese punto en el
tiempo, debido a un incidente aislado o como parte de
una tendencia.
 El sistema de medición ha cambiado.
02/01/2017 65
INTERPRETACIÓN DEL ESTADO DE
CONTROL DEL PROCESO
Los puntos de la data son comparados con los límites de
control para ver si existen puntos fuera de control y patrones o
tendencias inusuales.
Un punto sobre el límite de control superior del rango es
señal de:
•El límite de control o el punto trazado ha sido mal calculado
o mal trazado.
•Sistema de medición cambiado.
•La variabilidad pieza a pieza o la amplitud de la distribución
ha cambiado ya sea en ese punto, en el tiempo o como parte de
una tendencia.
02/01/2017 66
Un punto debajo del límite de control inferior
de rango ( para muestras de tamaño 7 o más)
•El límite de control o el punto trazado están
errados.
•La amplitud de la distribución ha disminuido (ha
mejorado).
•El sistema de medición ha cambiado.
02/01/2017 67
Interpretación de los gráficos de
control
Necesitamos determinar si el proceso está bajo

control, lo cual se traduce en que los puntos
mostrados estén dentro de los límites de control y
presenten un comportamiento aleatorio.
Para esto se utilizan una serie de reglas
empíricas, cuya presentación se facilita si el área
dentro de los límites de control se divide en
regiones iguales.
02/01/2017 68
control (cont)
Zo n a A
C9.5 arcteísidCal 10. 10.5
Zo n a B
Zo n a C
Zo n a C
Zo n a B
Zo n a A
5 1 01 52 02 5
Mues tr a
02/01/2017 69
control (cont)
A las reglas empíricas que se utilizan para

determinar si un proceso está bajo control se
les suele denominar reglas de parada.
Corresponden a sucesos que tienen muy baja
probabilidad de ocurrir si el proceso está bajo
control.
Cada una de ellas provee información sobre el
tipo de causa asignable que puede estar
afectando al proceso.
02/01/2017 70
Reglas de parada
Un punto fuera de la zona A. Corresponde a

un cambio repentino en la media o la dispersión
del proceso.
Zo n a A
Zo n a B
Zo n a C
Zo n a C
Zo n a B
Zo n a A
5 1 01 52 02 5
Mues tr a
02/01/2017 71
Reglas de parada
Siete puntos en fila, todos crecientes o

decrecientes. Se presenta cuando hay
cambios paulatinos en la media, debido a
desgastes en herramientas o fatiga del
personal.
Zo n a A
Zo n a B
Zo n a C
Zo n a C
Zo n a B
Zo n a A
5 1 01 52 02 5
Mues tr a
02/01/2017 72
Reglas de parada (cont)
Catorce puntos en fila alternando arriba y

abajo. Indica correlación negativa entre los
datos (cuando hay excesos en una, a la
siguiente pieza es muy reducida y viceversa).
Zo n a A
C9.5 arcteísidla 10. 10.5
Zo n a B
Zo n a C
Zo n a C
Zo n a B
Zo n a A
5 1 01 52 02 5
Mues tr a
02/01/2017 73
Quince puntos en fila en la zona C. El

proceso ha reducido su varianza (hay
sobreestabilidad en el sistema). Es importante
investigar la fuente de la mejora.
Zo n a A
Zo n a B
Zo n a C
Zo n a C
Zo n a B
Zo n a A
5 1 01 52 02 5
Mues tr a
02/01/2017 74
Dos de tres puntos consecutivos en la zona

A o más allá. Indican un incremento en la
varianza del proceso.
Zo n a A
C9.5 arcteísidla 10. 10.5
Zo n a B
Zo n a C
Zo n a C
Zo n a B
Zo n a A
5 1 01 52 02 5
Mues tr a
02/01/2017 75
Estructuras periódicas. Estas están

asociadas normalmente con cambios de turnos,
operarios, días de la semana, etc.
Zo n a A
Zo n a B
Zo n a C
Zo n a C
Zo n a B
Zo n a A
5 1 01 52 02 5
Mues tr a
02/01/2017 76
Nunca trate de explicar la influencia de todos y

cada uno de los eventos que ocurren en la
planta a través de gráficos de control. El
procedimiento correcto es detectar ALARMAS y
luego usar los registros de eventos para
determinar si corresponden a causas
asignables o a causas comunes.
02/01/2017 77
Interpretación de los gráficos de control
(cont)
El cálculo del nivel de significancia para las
reglas de parada que se establezcan es
importante para un correcto análisis. Un punto
que incumple una regla de parada es una
ALARMA pero no necesariamente significa que
nuestro proceso está fuera de control, ya que si
no podemos ligarlo a una causa asignable puede
tratarse del azar.
02/01/2017 78
MINITAB.Pruebas
PRUEBA K
1 punto > K desde la línea central. 3.0
K puntos consecutivos desde el mismo lado de la línea central. 9
K puntos consecutivos todos en aumento o descenso. 6
K puntos consecutivos, alternados arriba o abajo. 14
K de K+1 puntos > 2 desviaciones estándar desde la línea central (mismo lado) 2
K de K+1 puntos > 1 desviación estándar desde la línea central (mismo lado) 4
K puntos consecutivos dentro de 1 desviación estándar desde línea central (cualquier 15

lado).
K puntos consecutivos > 1 desviación estándar desde la línea central (mismo lado) 8
Ejemplos adicionales
Ejemplo 3.- Dentro de

un proceso de moldeo de Día Defectos Día Defectos
1 9 16 9
PVC las piezas 2 16 17 5
3 5 18 6
elaboradas pueden 4 6 19 4
presentar o no defectos 5 7 20 11
6 9 21 3
superficiales. Cada día se 7 3 22 1
8 9 23 3
toman 100 piezas al azar 9 10 24 0
de la línea de producción 10 4 25 4
11 7 26 6
y se cuenta el número de 12 10 27 1
13 6 28 6
piezas defectuosas. 14 6 29 5
15 7 30 4
02/01/2017 80
Ejemplos adicionales (cont)
También se dispone de un registro de eventos en la

línea, que puede resumirse como:
Día Evento
5 Reemplazo de la mezcladora.
10 Nuevo empleado asume la operación del
proceso.
18 Se comenzó a utilizar resina (materia
prima) de otro proveedor.
22 Sustitución del sistema de enfriamiento, lo
que permitió un incremento en la
temperatura de inyección de PVC.
02/01/2017 81
El gráfico p correspondiente a estos datos es el

siguiente:
P0. ropcindezasofectsupriale0.5 0.1 0.15 0.2
LSC =
L C =0
LIC =0
0 5 1015202530
D ia
02/01/2017 82
Si bien el punto 2 aparece fuera de los límites,

no existe en el registro ningún evento que nos
haga creer que el proceso se encontraba fuera
de control.
Al llegar al punto 29 se presenta una racha de 9
puntos bajo la línea central (lo cual tiene una
probabilidad de 0,00195 en un proceso bajo
control). Esto se puede relacionar con el cambio
en el sistema de enfriamiento (día 22). El 30 es
similar.
02/01/2017 83
Nuestra conclusión es que la temperatura de

inyección influye sobre la frecuencia en que
aparecen defectos superficiales. El cambio del
sistema de enfriamiento permitió elevar la
temperatura, lo cual redujo el número de
defectos.
02/01/2017 84
Control y mejora de procesos
Impacto del trabajo de un ingeniero en el

control y mejora de procesos.
Peso
Proceso fuera de control Proceso bajo de control Proceso mejorado

Límite Superior
de Control (UCL)
Media del
proceso, m
Límite Inferior
de Control (LCL)
Tiempo
02/01/2017 85
Longitud de la corrida promedio (ARL)
 Otra forma de enfrentar el problema de decidir sobre

el tamaño de muestra (n) y la frecuencia (h) de
muestreo es mediante “La Longitud de la Corrida
Promedio” (ARL) (Average run length).
 La ARL es el número promedio de puntos que deben
graficarse antes de que un punto indique una
condición fuera de control.
LSC
LC
LIC
1 2 ... i i+1 ... ARL ...

86 ARL
Longitud de la corrida promedio
 Se designa p como la probabilidad de que cualquier

punto exceda los límites de control.
 La longitud de la corrida promedio cuando el proceso
está bajo control se llama ARL0 y se calcula
mediante: 1
ARL 0  P

 Mientras más grande sea ARL se tendrán menos falsas alarmas.
 La longitud de la corrida promedio cuando el proceso
está fuera de control se llama ARL1 y se calcula
mediante: 1
ARL 1  P
1 
 Mientras más pequeño sea el ARL necesito menos muestras
para calcular .
87
Tiempo promedio entre señales
 El “Tiempo Promedio de Señal” (ATS) es el tiempo que

debe transcurrir en promedio entre una señal de fuera
de control y otra. Si se toma una muestra cada h
unidades de tiempo, entonces el ATS se calcula
mediante:
ATS = ARL .h
88
Efectos de los límites de control
sobre  y 
a) si los límites de control son más anchos:
–  se reduce
–  se incrementa
b) si los límites de control son más angostos:

–  se incrementa
–  se reduce
c) si se toman muestras más grandes:

–  se reduce
–  se reduce
CO4311- Estadística para la Calidad

89
Implementación del Control
Estadístico del Proceso
Elementos de un programa de CEP exitoso:
 Liderazgo administrativo.
 Un enfoque de equipo.
 Educación de los empleados a todos los niveles.
 Enfasis en la mejora continua.
 Un mecanismo para reconocer el éxito y
comunicarlo a toda la organización.
90

Quality 02

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Quality 02

Încărcat de

Drepturi de autor:

Formate disponibile

CONTROL DE LA CALIDAD I

Docente: Ing. Carlos Oqueliz Martínez

 Identifica la calidad como responsabilidad de las

 Desarrolla y aplica el control estadístico del proceso y

 Desarrolla y aplica planes de muestreo de aceptación

Calidad se entiende por satisfacción o

Tiene por objetivo identificar y eliminar las causas

A corto plazo se debe:

LIE m0 LSE Característica de calidad

La variabilidad se refiere a la discrepancia entre el

Peso del mueble (kg)

Causas Comunes Causas Asignables

 Proceso: es la combinación de materiales, mano de

Condiciones del proceso: consiste en la

Medidas preventivas: del análisis e

 En todo proceso de fabricación se generan variaciones

Cuando además de las variaciones por causas

Las causas comunes o no asignables, están

Es una técnica de control estadístico del

La prueba de hipótesis 74.015

Región de rechazo 73.975

Riesgo del proveedor

El uso más importante es mejorar el

VARIABLE DE CALIDAD RESULTADO DE MEDICIÓN

Características de calidad: consiste en

Los Gráficos de Control por Variables están

 Límites de control: se determinan a partir de los datos

b) X-s (Medias y Se usa cuando los grupos son Parámetros de

d) X-R(Lecturas Para pruebas costosas y/o destructivas Dosificación y

a) “p” (fracción Son poco sensibles a los cambios y no Control / Tiempo

d) “c” Defectos por unidad constante.

 Límite superior de control :

Ejemplo: Peso de un mueble (µ: 42.2kg y σ: 2.08kg)

µ-3σ µ-2σ µ-σ µ µ+σ µ+2σ µ+3σ

Límites de variación natural: son aquellos que

s bajo control, la media muestral caerá

sX  dentro de 3 desviaciones estándar

n CO4311- Estadística para la Calidad

Tamaño de muestra: el tamaño de la muestra

Número de muestras: desde el punto de vista

El control de variables, además de permitir la

 En cuanto al parámetro σ, existen dos métodos para

Donde A1 se consulta en tablas.

donde A2 se consulta en tablas.

si hubiera que estimar el parámetro σ, entonces los

cuyos coeficientes se consulta en tablas.

Ejemplo .- Se Muestra Observaciones en la muestra Media Rango

Los límites de control son, en este caso,

Las muestras 6, 8, 11 y 19 están fuera de

Ejemplo: Las medias de muestras tomadas de un

 Ejemplo: 20 muestras de n=8 han sido tomadas

donde c2, B1 y B2 se consulta en tablas.

donde B3 y B4 se consultarán en tablas.

Cuando no se conocen los valores de m y s los

La varianza es un estimador sesgado de la varianza

CO4311- Estadística para la Calidad 59

Paso 2. Calcular el rango promedio.

Paso 3. Dibujar los rangos en la carta de control.

Paso 4. Calcular los límites de control del rango.

LCSR = D4 * R = 2.28 * 0.0876 = 0.1998 mm n 2 3 4 5 6 7 8 9 10

Paso 6.Calcular el promedio de la media.

PATRÓN PROBABLE DESCRIPCIÓN CAUSAS

Variación natural CAUSAS COMUNES (O NO