INSTITUTO TECNOLÓGICO SUPERIOR DE IRAPUATO

INGENIERÍA BIOQUÍMICA

ASEGURAMIENTO DE CALIDAD

RESUMEN
“GRAFICOS DE CONTROL”
-Variables
-Por atributos

INTEGRANTES:
LARA ARREDONDO CARLA ADILENE

DOCENTE: CLAUDIA ARMAS GARFIAS

FECHA: 8 DE MAYO 2018

 GRAFICOS DE CONTROL
Los gráficos de control son una herramienta gráfica que se utiliza para medir la
variabilidad de un proceso. Consiste en valorar si el proceso está bajo control o
fuera de control, en función de unos límites de control estadísticos calculados.

La graficas de control sirven para:

-Determinar el estado de control de un proceso.

-Diagnostica el comportamiento de un proceso en el tiempo.

- Indica si un proceso ha mejorado o ha empeorado.

-Permite identificar las dos fuentes de variación de un proceso

-Sirve como una herramienta de detección de problemas.

Existen gráficos para variables y para atributos.

Gráficos de control por variables

Miden una característica continua, es decir que puede tomar infinitos valores
dentro de un intervalo. El más utilizado en control de calidad es el gráfico X-R,
que registra la media del proceso y el recorrido o rango de cada muestra y se
utiliza para controlar y analizar un proceso empleando valores relativos a la
calidad del producto tales como temperatura, peso, volumen, concentración,
etc.

En su construcción es necesario elaborar un gráfico para los valores medio

muéstrales y otro gráfico para los recorridos. El primero indica si existen
cambios en la tendencia central de un proceso y el segundo

Pasos a seguir para su construcción:

1. Recogida de datos y su registro

Es necesario recoger el máximo número posible de datos, por lo menos
100 datos recientes sobre la característica que se controla del proceso,
sin embargo cuando no se puede contar con tantos datos, 50 o 20 datos
resultan suficientes. Se debe determinar el tamaño de la muestra (n) y la
cantidad de muestras (k).
2. Calcular la media y los recorridos de las muestras
Se calcula la media de cada muestra y los recorridos o rangos de cada
una de ellas. Luego se determina el promedio general con las media de
cada muestra y el recorrido promedio con los recorridos de cada una.

3. Calcular los límites de control

Para cada gráfico debemos calcular los límites de control superior e
inferior. Estos límites de control se calculan a mas menos 3 desviaciones
del promedio por consideramos que la distribución de las medias sigue
una distribución normal o próxima a ella, cuando la muestra tiene un
tamaño superior a 4.

Para el gráfico de medias:

Límite central : igual al promedio de las medias

Límite de control superior : promedio de las medias + A2 *

promedio de Rangos

Límite de control inferior : promedio de las medias – A2 *

promedio de Rangos

Para el gráfico de Rangos:

Límite central : igual al promedio de los

Rangos

Límite de control superior : D4 *promedio de Rangos

Límite de control inferior : D3 *promedio de Rangos

 Donde A2, D4 y D3 son coeficientes cuyo valor depende del tamaño de
la muestra (n). La tabla siguiente muestra los valores de éstos para el
cálculo de los límites de control de 3sigma de ambos gráficos.

Grafica 1. Ejemplo de grafico de control variable

X-S
Podemos usar los gráficos S para estudiar la variabilidad del proceso y detectar
la posible existencia de causas especiales. Resulta habitual utilizar los gráficos
S para muestras de tamaño superior a 10, utilizándolos gráficos R en caso
contrario. Solo cambia en que en este tipo de graficas se calcula la desviación
estándar de la muestra, así como su media.
Por lo regular es mejor trabajar con las gráficas de control X-S, ya que la
desviación estándar tiene mejores propiedades estadísticas que el rango.
Formulas:
LC= X
LCI= X-A3 S
Lcs= X+A3S
LC=S
LCI= B3S
LCS= B4s
Gráficos de control por atributos

Los diagramas de control por atributos constituyen la herramienta esencial

utilizada para controlar características de calidad cualitativas, esto es,
características no cuantificables numéricamente. Ejemplos de tales
características no medibles son la fracción o porcentaje de unidades
defectuosas en la producción (P), el número de unidades defectuosas en la
producción (NP), el número de defectos por unidad producida (U), y el número
de defectos de todas las unidades producidas (C). Al igual que en los gráficos
de control por variables, el diagrama de atributos representa un estadístico T
del proceso (como puede ser el número de defectos) frente al número de la
muestra o al tiempo. Una línea central representa el valor medio o esperado del
estadístico, mientras que los límites de control suelen definir una zona de
control que abarca 3σT por encima y por debajo de la línea central. Estos
límites son escogidos de manera que si el proceso está bajo control, casi la
totalidad de los puntos muéstrales se halle entre ellos. Así, un punto que se
encuentra fuera de los límites de control se interpreta como una evidencia de
que el proceso está fuera de control.

Grafica 2. Ejemplo de grafico de control por atributos

Este tipo de gráficos se suele aplicar en situaciones en las que el proceso es una operación de
montaje complicada, y la calidad del producto se mide en términos de la ocurrencia de
disconformidades, del funcionamiento exitoso o fallido del producto, etc.
 Los diagramas de control por atributos tienen la ventaja de que hacen posible considerar
varias características de calidad al mismo tiempo y clasificar los productos como disconformes
si no satisfacen las especificaciones de cualquiera de las características. Tenemos dos opciones
a la hora de realizar un gráfico de control por atributos: 1. Podemos comparar un producto con
un estándar y clasificarlo como defectuoso o no (gráficos P y NP) 2. En el caso de productos
complejos, la existencia de un defecto no necesariamente conlleva a que el producto sea
defectuoso. En tales casos, puede resultar conveniente clasificar un producto según el número
de defectos que presenta (gráficos C y U).

Un gráfico P es un gráfico de control del porcentaje o fracción de unidades defectuosas

(cociente entre el número de artículos defectuosos en una población y el número total de
artículos de dicha población). Los principios estadísticos que sirven de base al diagrama de
control P se basan en la distribución Binomial: supóngase que el proceso de producción
funciona de manera estable, de tal forma que la probabilidad de que cualquier artículo no esté
conforme con las especificaciones es p, y que los artículos producidos sucesivamente son
independientes; entonces, si seleccionamos k muestras aleatorias de n artículos del producto
cada una, y representando por Xi al número de artículos defectuosos en la muestra iésima,
tendremos que Xi ≈ B(n,p). • Sabemos que: np y µ xi = np(1 p) σ Xi = − • Para cada muestra,
definimos la v.a. fracción disconforme muestral como: n X p i ˆi = . Observar que seguirá una
distribución Binomial con media y desviación típica: i pˆ [ ] [ ] p n E X E p i ˆi = = y [ ] [ ] n p p n
Var X Var p i i (1 ) ˆ 2 − = = • Por tanto, − →→ ∞ n p p p N p i n (1 ) ˆ , •
Según el modelo de Shewart tendremos que: n p p LIC p p n p p LSC p (1 ) 3 Línea central (1 ) 3
− = − = − = + • Si p es desconocida, la podemos estimar (observar que tal estimación se
realizará a partir de las k muestras obtenidas, k > 25, tomadas cuando se considera que el
proceso está bajo control): ∑= = k i i p k p 1 ˆ 1 • En caso de que el tamaño muestral (ni ) sea
diferente para cada subgrupo, a la hora de calcular los límites según el modelo de Shewart,
podemos optar por: 1. Obtener los límites usando el ni asociado a cada muestra, con lo que las
líneas de control no serán rectas (darán “saltos” arriba y abajo según ni disminuya o aumente),
2. Si los ni no difieren mucho unos de otros, podríamos tomar ∑= = k i i n k n 1 1 . IV - 4 IV.
Gráficos de Control por Atributos 3. También se puede optar por tomar un n común e igual al
mayor de los ni , con lo que obtendríamos unos límites de control bastante “sensibles”, ya que
la amplitud de la franja que indica proceso en estado de control es inversamente proporcional
al tamaño de la muestra. En esta situación de tamaños muestrales diferentes, el estimador
para p sería: ∑ ∑ = = = k i i k i i i n n p p 1 1 ˆ Normalmente se usan límites de control de tres
sigmas en el diagrama de control P. Como ya comentamos en el capítulo anterior, el uso de
límites de control más estrechos hacen que el diagrama de control sea más sensible a
pequeños cambios en p, pero ello también hace aumentar la probabilidad de que se produzcan
falsas alarmas de proceso fuera de control (error de tipo II). Debe advertirse que este diagrama
de control se basa en el modelo probabilístico binomial, en el cual se supone que la
probabilidad de ocurrencia de un artículo con disconformidad es constante, y que unidades
sucesivas en la producción son independientes. Por otra parte, hay que tener cuidado con la
interpretación de los puntos del diagrama de control que se hallan por debajo del límite
inferior de control. Tales puntos no representan a menudo una mejora real en la calidad del
proceso. Frecuentemente son el resultado de errores en el método de inspección o recogida
de datos.