Ayuda 06 Gráficos de Control

Módulo: 1 Unidad: 5 Semana: 5
CONTROL ESTADÍSTICO DE LA CALIDAD
GRÁFICOS DE CONTOL
Mag. Ing. Gustavo Manuel Yáñez Wendorff
GRÁFICOS DE CONTROL
• Para que tenga sentido la aplicación de los gráficos de
control, el proceso ha de tener una estabilidad suficiente
que, aún siendo aleatorio, permita un cierto grado de
predicción.
• En general, un proceso caótico no es previsible y no puede

ser controlado. A estos procesos no se les puede aplicar el
gráfico de control ni tiene sentido hablar de capacidad.
• Un proceso de este tipo debe ser estudiado mediante

herramientas estadísticas avanzadas hasta que el grado de
• conocimiento empírico obtenido sobre el mismo permita
conocer las causas de la inestabilidad y se eliminen.
• En lo sucesivo, se supondrá que los procesos tienen un
cierto grado de estabilidad.
• Podemos distinguir dos casos:
• Caso 1
• El proceso está regido por una función de
probabilidad cuyos parámetros permanecen
constantes a lo largo del tiempo. Este sería el caso de
un proceso normal de media constante y desviación
típica constante.
• Este es el caso ideal y al que se pueden aplicar los
gráficos de control para detectar la presencia de
causas asignables.
• En lo sucesivo, se supondrá que los procesos tienen un
cierto grado de estabilidad.
• Podemos distinguir dos casos:
• Caso 2
• El proceso está regido por una función de
probabilidad alguno de cuyos parámetros varía
ligeramente a lo largo del tiempo.
• Este sería el caso de un proceso normal cuya media
varía a lo largo del tiempo (por ejemplo, una
herramienta de corte que va desgastando la cuchilla
de corte).
• Estrictamente hablando, este desgaste de la

herramienta sería una causa especial; sin embargo si
puede conocerse la velocidad de desgaste, podría
compensarse resultando un proceso análogo al caso
anterior.
• Puede ocurrir que las características propias del proceso
hagan que alguno de los factores de variabilidad
intrínsecos al mismo, tenga un efecto preponderante, de
modo que en este caso la distribución no sea normal.
• Un ejemplo puede ser la distribución de los diámetros de

un proceso de taladrado, cuyo valor inferior está limitado
por el propio diámetro de la broca, mientras que la
distribución presenta una cola hacia diámetros mayores
debido a posibles incidencias oblicuas de la broca.
• En este caso, se dice que el proceso está bajo control
estadístico cuando no hay otras causas asignables
presentes.
• Esto es equivalente a decir que el proceso permanezca

estable, es decir que los parámetros de la distribución
permanezcan invariables y por lo tanto puede realizarse
una predicción del intervalo en el que se encontrarán los
valores de la característica de respuesta.
• Constituyen la base para decidir si las variaciones en el

producto se deben a causas comunes (en control) o causas
asignables (fuera de control).
• Siempre que se detecte que un proceso está fuera de

control es necesario realizar ajustes o tomar medidas
correctivas que hagan que el proceso regrese a la situación
bajo control.
• Los gráficos de control se clasifican de acuerdo con el tipo de
datos que contienen.
• Se usa un gráfico x cuando la calidad del producto de un

proceso se mide en términos de una variable, como longitud,
peso, temperatura, etc.
• En tal caso, la decisión de dejar continuar el proceso de

producción o de ajustarlo se basa en el valor de la media
hallada en una muestra del producto.
• Para introducir algunos de los conceptos que son comunes a

todas los gráficos de control, se considerarán algunos de los
rasgos característicos de un gráfico de control x .
http://www.youtube.com/watch?v=tdvxww_WrhE
• En la Figura 3 se presenta la estructura general de una carta .
• La línea central que se observa en esta carta corresponde a la
media del proceso, cuando el proceso está bajo control.
• La línea vertical identifica la escala de medición para la
variable de interés.
• Cada vez que se toma una muestra del proceso de
producción, se obtiene el valor de su media muestral x y se
grafica el punto correspondiente al valor de en la carta de
control x.
• Las dos líneas rotuladas como LS y LI sirven para determinar
si el proceso está bajo control o fuera de control.
• A estas líneas se les llama límite de control superior y límite
de control inferior, respectivamente.
http://www.youtube.com/watch?v=0SlIgdqM2Ls
• Estos límites se eligen de manera que cuando el proceso esté
bajo control exista una gran probabilidad de que los valores de
x estén entre estos dos límites.
• Si hay valores que estén fuera de los límites de control, éstos
serán evidencias estadísticas claras de que el proceso se
encuentra fuera de control y que es necesario tomar medidas
correctivas.
• A medida que pasa el tiempo, se van graficando más y más
puntos en el gráfico de control.
• El orden en el que se van agregando estos puntos es de
izquierda a derecha, a medida que se van tomando las
muestras del proceso.
• En esencia, cada vez que se grafica un nuevo punto en una
carta de control, se está realizando una prueba de hipótesis
para determinar si el proceso está bajo control.
ESTRUCTURA DE UN GRÁFICO DE CONTROL X
Límite superior
Media muestral
Línea central Media del proceso

bajo control
Límite inferior
Tiempo
Figura 3 : Estructura de un gráfico de control x

INTERPRETACIÓN DE LOS GRÁFICOS DE
CONTROL
• La ubicación y el patrón que siguen los puntos en una carta de
control permiten determinar, con una pequeña probabilidad de
error, si un proceso se encuentra estadísticamente bajo control.
• Una primera indicación de que un proceso pueda estar fuera de
control es que uno de los puntos de los datos se encuentre fuera
de los límites de control, como ocurre con el punto 5 de la Figura
PPP.
Figura PPP Gráfico x

del proceso de llenado
de los paquetes de
cereal
CONTROL
• Hallar uno de estos puntos es evidencia estadística de que el
proceso se encuentra fuera de control. En tales casos deberán
tomarse medidas correctivas tan pronto como sea posible.
• Además de la presencia de puntos fuera de los límites de

control, hay ciertos patrones de los puntos, dentro de los límites
de control, que pueden ser señales que adviertan de problemas
de control de calidad.
• Por ejemplo, suponga que todos los puntos están dentro de los
límites de control, pero que muchos de ellos se encuentran de un
mismo lado de la línea central.
CONTROL
• Este patrón puede indicar que existe algún problema en el
equipo, que ha habido una variación en los materiales o que
alguna otra causa asignable ha ocasionado una variación de la
calidad, y será necesario hacer una cuidadosa investigación del
proceso para determinar si la calidad ha variado.
• Otro patrón a observar en una carta de control es si existe un

desplazamiento gradual o una tendencia, a lo largo del tiempo.
• Por ejemplo, debido al desgaste de las herramientas, las

dimensiones en la fabricación de una pieza pueden desviarse
gradualmente de las medidas establecidas.
CONTROL
• Variaciones graduales de la temperatura o de la humedad, el
deterioro gradual del equipo, la acumulación de suciedad o el
cansancio de un operador pueden ocasionar la aparición de
tendencias en las cartas de control.
• Seis o siete puntos consecutivos que muestren una tendencia

deberán ser causa de preocupación, aun cuando todos estos
puntos se encuentren dentro de los límites de control.
• Siempre que se observen tales patrones, deberá revisarse el

proceso para determinar si hay algún cambio o desplazamiento
en la calidad.
• Puede que sea necesario tomar medidas correctivas para que el

proceso vuelva a estar bajo control.
Implantación y operación de un
Gráfico de Control
• Una gráfico de control es útil en la medida que atienda una
necesidad percibida por los responsables del proceso y,
desde luego, dependerá de qué tan bien se implemente y
se utilice.
Gráfico de Control
1. Describir la problemática o situación que se percibe en el área
donde se tiene la idea de implantar una carta de control.
2. Explicar con detalles por qué cree que la carta de control sería
útil para evaluar, entender y mejorar la situación de interés.
3. Definir en forma concreta y preliminar el o los objetivos de la

carta de control.
4. Hacer una lista exhaustiva de las diferentes variables que

pueden aportar información sobre los distintos aspectos de la
situación de interés, y que se podrían analizar mediante una
carta de control.
Gráfico de Control
5. De la lista anterior, hacer una preselección de las variables que
se cree ayudarían a cumplir con el objetivo descrito antes. En
esta preselección dar prioridad a las variables que mejor reflejen
la magnitud del problema, en términos de calidad, costos,
productividad o tiempo de ciclo. Además, considerar la dificultad
humana, en equipos y en costo, para medir con calidad y
oportunidad las variables candidatas.
6, De la preselección del inciso previo, elegir una primera variable

para analizarla mediante una carta de control, y para ésta,
desarrollar las siguientes actividades, las cuales se deben repetir
para cada una de las variables que finalmente se decida estudiar
con una carta de control.
GRÁFICOS DE CONTROL x : MEDIA Y DESVIACION
ESTÁNDAR DEL PROCESO CONOCIDAS
• Para ilustrar la construcción de un gráfico x se tomará

como ejemplo a la Empresa Rosola S.A que cuenta con
una de sus líneas de producción en la que llena paquetes
de cereal.
• Cuando el proceso se desarrolla correctamente y se

encuentra bajo control el peso medio de llenado μ = 16.05
onzas y la desviación estándar del proceso σ = 0.10 onzas.
• Se supone, también, que los pesos de llenado siguen una

distribución normal.
• En la Figura 4 se muestra esta distribución.

Figura 4: Distribución normal de los pesos de llenado de los paquetes de cereal

• Para determinar la variación que puede esperarse en los

valores de cuando el proceso está bajo control se usa la
distribución muestral de x.
• Recuerde que el valor esperado o la media de los valores

de x es igual a μ, el peso medio de llenado si la línea de
producción está bajo control.
• Si las muestras son de tamaño n, la ecuación para obtener

la desviación estándar de x , que se conoce como error
estándar de la media, es
• Además, como los pesos de llenado están distribuidos
normalmente, para cualquier tamaño de muestra, la
distribución muestral de x es una distribución normal.
• De manera que la distribución muestral de es una

distribución normal x con media μ y desviación estándar .
• En la figura 5 se presenta esta distribución.
• La distribución muestral de se usa para determinar cuáles

son valores razonables de x cuando el proceso se halla
bajo control.
Figura 5: Distribución muestral de x para una muestra de n pesos de llenado

• En el control de calidad se suele considerar como
razonable todo valor de x que no se aleje de la media,
hacia arriba o hacia abajo, más de 3 desviaciones estándar
o errores estándar.
• Recuerde que la distribución de probabilidad normal que

aproximadamente 99.7% de los valores de una variable
aleatoria que tengan una distribución normal se encuentran
a no más de ± 3 desviaciones estándar de su media.
• Por tanto, si un valor se encuentra dentro del intervalo de

se admitirá que el proceso está bajo control.
• Límites de control en gráfico x : media y desviación estándar
del proceso conocidas
LCS = μ + 3σx
LCI = μ - 3σx
• Suponga que periódicamente se toman 6 (seis) paquetes del
proceso de llenado y se calcula su media muestral para
determinar si el proceso está bajo control o fuera de control.
Error estándar de la media

Media μ del proceso = 16.05
LCS = 16.05 + 3(0.04) = 16.17
LCI = 16.05 - 3(0.04) = 15.93.
• En la Figura 6 se muestra el gráfico de control con los
resultados de 10 (diez) muestras tomadas a lo largo de un
periodo de 10 horas.
• Los números correspondientes a las muestras se han colocado

en la parte inferior del gráfico.
• Se observa que la media de la quinta muestra indica que el

proceso está fuera de control.
• La quinta media muestral se encuentra abajo del LCI (límite de
control inferior), lo cual indica que existen causas asignables
que ocasionan variación de la calidad del producto y que el
llenado se está realizando con una cantidad menor a la
estipulada.
• En este momento, se toman medidas correctivas para hacer

que el proceso vuelva a estar bajo control.
• El hecho de que los demás puntos del gráfico se encuentren

dentro de los límites de control inferior y superior, indican que la
acción correctiva fue adecuada.
LCS
LCI
Figura 6 Gráfico x del proceso de llenado de los paquetes de cereal

ESTÁNDAR DEL PROCESO DESCONOCIDAS
• Con el ejemplo de la empresa Rosola S.A. se mostró cómo
elaborar una carta cuando se conocen la media y la desviación
estándar del proceso.
• Sin embargo, en la mayoría de los casos es necesario estimar la

media y la desviación estándar del proceso a partir de muestras
tomadas del proceso cuando éste se encuentre bajo control.
• Por ejemplo, durante 10 días en los que el proceso está bajo

control, Rosola S.A. puede tomar muestras aleatorias de 5
paquetes por las mañanas y 5 por las tardes, calcular la media y
la desviación estándar de cada muestra, sacar después los
promedios de las medias y de las desviaciones estándar y
usarlos para elaborar cartas de control, tanto para la media como
para la desviación estándar del proceso.
• En la práctica, para monitorear la variabilidad del proceso
suele emplearse el rango en lugar de la desviación estándar,
ya que el rango es más fácil de calcular.
• El rango puede servir para obtener una buena estimación de

la desviación estándar del proceso; de manera que, mediante
algunos cálculos, puede emplearse para trazar los límites
inferior y superior de las cartas .
• Para ilustrar esto, se tomará un ejemplo de la empresa PK2

S.A, que fabrica CD de 3.5”.
• Su proceso de producción acaba de ser ajustado, de

manera que funciona bajo control
• Suponga que durante la primera hora de operación se toma
una muestra aleatoria de cinco CD, durante la segunda
hora de operación se toma otra muestra aleatoria de cinco
CD y así sucesivamente, hasta que se tienen 20 muestras.
• En la Tabla 1 se presentan los diámetros de las muestras

así como la media y el rango Rj de cada muestra.
• La estimación de la media del proceso μ esta dada por la

media muestral general.
Número Media Rango
de la Observaciones muestral muestral
muestra Rj
1 3.5056 3.5086 3.5144 3.5009 3.5030 3.5065 0.0135
2 3.4882 3.5085 3.4884 3.5250 3.5031 3.5026 0.0368
3 3.4897 3.4898 3.4995 3.5130 3.4969 3.4978 0.0233
4 3.5153 3.5120 3.4989 3.4900 3.4837 3.5000 0.0316
5 3.5059 3.5113 3.5011 3.4773 3.4801 3.4951 0.0340
6 3.4977 3.4961 3.5050 3.5014 3.5060 3.5012 0.0099
7 3.4910 3.4913 3.4976 3.4831 3.5044 3.4935 0.0213
8 3.4991 3.4853 3.4830 3.5083 3.5094 3.4970 0.0264
Tabla 1
9 3.5099 3.5162 3.5228 3.4958 3.5004 3.5090 0.0270
10 3.4880 3.5015 3.5094 3.5102 3.5146 3.5047 0.0266
11 3.4881 3.4887 3.5141 3.5175 3.4863 3.4989 0.0312
12 3.5043 3.4867 3.4946 3.5018 3.4784 3.4932 0.0259
13 3.5043 3.4769 3.4944 3.5014 3.4904 3.4935 0.0274
14 3.5004 3.5030 3.5082 3.5045 3.5234 3.5079 0.0230
15 3.4846 3.4938 3.5065 3.5089 3.5011 3.4990 0.0243
16 3.5145 3.4832 3.5188 3.4935 3.4989 3.5018 0.0356
17 3.5004 3.5042 3.4954 3.5020 3.4889 3.4982 0.0153
18 3.4959 3.4823 3.4964 3.5082 3.4871 3.4940 0.0259
19 3.4878 3.4864 3.4960 3.5070 3.4984 3.4951 0.0206
20 3.4969 3.5144 3.5053 3.4985 3.4885 3.5007 0.0259
• La estimación de la media del proceso μ esta dada por la media
muestral general.
Media muestral general x = x = x1 + x2 + ………….xk

donde: k
xj = media de la muestra j, j = 1, 2, . . . , k
k = número de muestras
• La media muestral general de los datos de PK2 S.A, que se

presentan en la Tabla A, es x = 3.4995.
• Este valor será la línea central del gráfico.
• El rango de cada muestra es simplemente la diferencia entre el

valor mayor y el valor menor de cada muestra.
• El rango promedio de las k muestras se calcula como se
indica a continuación.
R = R = R1 + R2 + ………….Rk
k
• El rango promedio de los datos de PK2, que se presentan en
la Tabla 1 es R = 0.0253.
• Los LCS y LCI del gráfico x son:
• Por tanto, para obtener los límites de control para un
gráfico x es necesario estimar μ y σ, la media y la
desviación estándar del proceso.
• Una estimación de μ es dada por x , y una estimación de σ
se obtiene mediante los datos de los rangos.
• En otras palabras, la media muestral general x se usa
para estimar μ y los rangos muestrales se usan para
estimar σ.
• El promedio de los rangos dividido entre d2, una constante

que depende del tamaño n de la muestra, es una
estimación de la desviación estándar σ del proceso.
σ = R
d2
• En el Manual on Presentation of Data and Control Chart
Analysis de la American Society for Testing and Materials
(Sociedad Americana para Pruebas y Materiales ), se
publican los valores de d2 que se muestran en la Tabla 2.
• Por ejemplo, para n = 5, d2 = 2.326 y la estimación de s es

el rango promedio dividido entre 2.326.
• Si en la expresión
• Se sustituye s por R/d2, los límites de control del gráfico x

se pueden expresar como
• Observe que es una constante que depende

únicamente del tamaño de la muestra; los valores de A2 también
se encuentran en la Tabla 2 Para n = 5, A2 = 0.577; por tanto,
los límites de control. en el gráfico de control X serán:
3.4995 (0.577)(0.0253) = 3.4995 0.0146

Por tanto, LCS = 3.514 y LCI= 3.485.
• En la figura 7 se muestra la carta obtenida para el problema de
la Empresa PK2 S.A.
• La línea central se encuentra en el valor de la media muestral

general x 3.4995. El límite de control superior (LCS) es 3.514 y el
límite de control inferior (LCI) es 3.485.
• En el gráfico de control aparecen las 20 medias muestrales que

se fueron graficando.
• Como todas las medias muestrales se encuentran dentro de los

límites de control, se confirma que el proceso ha estado bajo
control durante el periodo de muestreo.
GRÁFICOS DE CONTROL x : PARA EL PROBLEMA
DE LA EMPRESA PK2 S.A
Figura 7 Gráfico x para el problema de la Empresa PK2 S.A.

Observ. en la
d2 A2 d3 D3 D4
muestra, n
2 1,128 1,880 0,853 0,000 3,267
3 1,693 1,023 0,888 0,000 2,574
4 2,059 0,729 0,880 0,000 2,282
5 2,326 0,577 0,864 0,000 2,114
6 2,534 0,483 0,848 0,000 2,004
7 2,704 0,419 0,833 0,076 1,924
8 2,847 0,373 0,820 0,136 1,864
9 2,970 0,337 0,808 0,184 1,816
10 3,078 0,308 0,797 0,223 1,777
11 3,173 0,285 0,787 0,256 1,744
12 3,258 0,266 0,778 0,283 1,717
Tabla 2 13 3,336 0,249 0,770 0,307 1,693
Factores para los 14 3,407 0,235 0,763 0,328 1,672
15 3,472 0,223 0,756 0,347 1,653
Gráficos x y R 16 3,532 0,212 0,750 0,363 1,637
17 3,588 0,203 0,744 0,378 1,622
18 3,640 0,194 0,739 0,391 1,608
19 3,689 0,187 0,734 0,403 1,597
20 3,735 0,180 0,729 0,415 1,585
21 3,778 0,173 0,724 0,425 1,575
22 3,819 0,167 0,720 0,434 1,566
23 3,858 0,162 0,716 0,443 1,557
Tabla B : 24 3,895 0,157 0,712 0,451 1,548
25 3,931 0,153 0,708 0,459 1,541
FACTORES PARA LOS
Fuente: Adaptada de la tabla 27 de ASTM STP15D, ASTM Manual on Presentation of Data and Control
GRÁFICOS x Y R Chart Analysis.Copyright 1976 American Society for Testing and Materials, Filadelfia, PA.
GRÁFICOS DE CONTROL DE RANGO: R
• Se emplean para controlar la variabilidad del proceso.
• Para elaborar una carta R es necesario considerar el rango de una
muestra como una variable aleatoria con su media y desviación
estándar propias.
• El rango promedio R proporciona una estimación de la media de
esta variable aleatoria.
• La estimación de la desviación estándar del rango es:
• Donde d2 y d3 son constantes que dependen del tamaño de la
muestra, y cuyos valores se encuentran también en la tabla 2.
• Los LCS y LCI del gráfico de control R está dado por:
LCS = LCI =
• Si: y
• Los límites de control del gráfico de control R :
• Los valores de D3 y D4 se dan también en la tabla 2.

• Se observa que para n = 5, D3 = 0 y D4 = 2.114 y el R= 0.0253,
los límites de control son:
• LCS = 0.0253 * (2.114) = 0.053 y LCI = 0.0253 * (0) = 0
• En la figura 8 se muestra la carta R del problema de la
Empresa PK2 S.A.
• La línea central aparece en el valor de la media general de los
20 rangos muestrales, 0.253.
• El LCS es 0.053 y el LCI es 0.000.
• En la carta R se observan los 20 rangos muestrales que se
fueron graficando.
• Como los 20 rangos muestrales se encuentran dentro de los
límites de control, se confirma que durante el periodo de
muestreo el proceso estuvo bajo control.
Figura 8 Gráfico R para el problema de la Empresa PK2 S.A.

GRÁFICOS DE CONTROL : p
• A las cartas de control que se basan en datos que indican la

presencia de un defecto o un número de defectos se les llama
cartas de control de atributos.
• Una carta p es una carta de control por atributos.
• Para ilustrar la elaboración de un gráfico p, considere el uso de
las máquinas automáticas para la clasificación de las cartas que
se emplean en las oficinas de correo.
• Estas maquinas automáticas leen el código postal que aparece
en el sobre y asignan la carta a la ruta de entrega
correspondiente.
• Aun cuando la máquina esté funcionando en forma óptima,
algunas de las cartas no son asignadas correctamente.
• Suponga que cuando la máquina está en operación óptima o
bajo control, 3% de las cartas no son asignadas correctamente.
• Entonces, p, la proporción de cartas no asignadas
correctamente, con el proceso bajo control, es 0.03.
• Para determinar la variación que puede esperarse en los valores de
, cuando el proceso está bajo control, se usa la distribución muestral
p.
• El valor esperado, o la media, de , es p, la proporción de defectos
cuando el proceso está bajo control.
• Si las muestras son de tamaño n, la fórmula para calcular la
desviación estándar de p, a la cual se le llama error estándar de la
proporción, es :
• Siempre que el tamaño de la muestra sea grande, la distribución

muestral de puede aproximarse mediante una distribución normal en
que la media es p y la desviación estándar es .
• Esta distribución se presenta en la figura 9.
• Para establecer los límites de control en un gráfico p, se sigue el
mismo procedimiento que se usó para establecer los límites de
control en un gráfico x .
• Es decir, los límites de control se establecen a 3 desviaciones
estándar, o errores estándar, arriba y abajo de la proporción de
defectos, cuando el proceso está bajo control.
LCS = p + 3 y LCI = p - 3
Figura 9
Distribución
muestral de p
Como p = 0.03 y las muestras son de tamaño n = 200, al reemplazar los valores se
obtiene:
=
• Y los Límites de control son:
• LCS = p + 3 y LCI = p - 3
• LCS = p + 3 (0,0121) y LCI = p - 3(0,0121)
• La figura 10 es la carta de control del proceso de clasificación de

las cartas.
• Los puntos muestreados son las proporciones muestrales de
defectos halladas en las muestras de cartas tomadas del
proceso.
• Todos los puntos se encuentran dentro de los límites de control,
lo que indica que no hay evidencias para concluir que el proceso
de clasificación de las cartas se encuentre fuera de control.
GRÁFICOS DE CONTROL : p PARA LA
PROPORCIÓN DE DEFECTOS EN EL PROCESO
DE CLASIFICACIÓN DE LOS GRÁFICOS
Figura 10 : Gráfico de control : p

GRÁFICOS DE CONTROL : np
• Se usa para determinar el número de artículos defectuosos en
una muestra.
• Aquí, n es el tamaño de la muestra y p es la probabilidad de
observar un artículo defectuoso con el proceso bajo control.
• Siempre que el tamaño de la muestra sea grande, es decir,
siempre que ,la distribución del número
de artículos defectuosos en una muestra de tamaño n puede
aproximarse mediante una distribución normal con media np y
desviación estándar
• Entonces, en el ejemplo de la clasificación de las cartas, como
n = 200 y p= 0.03, el número de artículos defectuosos
observados en una muestra de 200 cartas se aproxima mediante
una distribución normal con media de 200*(0.03)= 6 y la
desviación estándar
n 200
p 0,03
np 6
np(1-p) 5,82
2,41246762
3* 7,23740285
LCS = np + 3* 13,2374028
LCI = np - 3* -1,23740285
• Cuando el LCI es negativo, como en el ejemplo se toma igual a
cero.
• Por tanto, si el número de cartas que no se asigna a la ruta
correcta es mayor que 13, se concluye que el proceso está fuera
de control.
• La información que proporciona una carta np es similar a la
información que proporciona una carta p; la única diferencia es
que la carta np es la gráfica del número de artículos defectuosos
observados, mientras que una carta p es la gráfica de la
proporción de artículos defectuosos observados.
• De manera que si se concluye que un proceso está fuera de
control, con base en una carta p, también se concluirá
apoyándose en una carta np que el proceso está fuera de
control.
GRÁFICOS DE CONTROL c (número de defectos)
• El objetivo de la carta c es analizar la variabilidad del
número de defectos por subgrupo, cuando el tamaño de
éste se mantiene constante.
• En esta carta se grafica ci que es igual al número de
defectos o eventos en el i-ésimo subgrupo (muestra).
• Los límites de control se obtienen suponiendo que el
estadístico ci sigue una distribución de Poisson; por lo
tanto, las estimaciones de la media y la desviación
estándar de este estadístico están dadas por:
• por ello, los límites de control de la carta c se obtienen con

las expresiones
• En una fábrica de muebles se inspecciona a detalle el
acabado de las mesas cuando salen del departamento de
laca. La cantidad de defectos que son encontrados en cada
mesa son registrados con el fin de conocer y mejorar el
proceso.
• En la siguiente tabla se muestran los defectos encontrados
• en las últimas 30 mesas.
• Es claro que estamos ante una variable que debe ser
analizada con la carta c, debido a que una misma mesa
puede tener varios defectos de diferente tipo; además, los
defectos son relativamente menores, y aunque influyen en
la calidad final del producto, no causan que la mesa sea
rechazada.
Mesa Defedctos ci
1 7
2 5
3 10
4 2
5 6
6 5
7 4
8 9
GRÁFICOS DE 9
10
7
5
CONTROL 11
12
6
7
c (número de defectos) 13
14
8
4
15 5
16 12
17 8
18 10
19 4
20 7
21 3
22 10
23 6
24 6
25 7
26 4
27 5
28 6
29 8
30 5
Mesa Defedctos ci
1 7
2 5
3 10
4 2
5 6
6 5
7 4
8 9
9 7
GRÁFICOS DE 10 5
11 6
CONTROL 12 7
13 8
c (número de defectos) 14 4
15 5
16 12
17 8
18 10
19 4
20 7
21 3
22 10
23 6
24 6
25 7
26 4
27 5
28 6
29 8
30 5
191
LCI, no puede ser negativo =>
c= 191 6.4
30
LCS= 6.4 + 3 13.9
LCI= 6.4 - 3 -1.2 0

Gráfico c
14
12
10
0
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 26 27 28 29 30
Defectos ci
Figura 11 : Gráfico de control : c

Interpretación de los límites de control de la carta c
• Los límites de una carta c reflejan la variación esperada
para el número de defectos por subgrupo.
• En el caso del ejemplo se espera que, de manera ordinaria,

el número de defectos por mesa varíe entre 0 y 14.0 con un
promedio de 6.4.
• Estos límites no representan ni deben representar dónde se

quiere que estén los datos, más bien representan la
realidad.
• Como las cantidades de defectos son relativamente altas,
se requiere un plan de acción que reduzca esta
problemática y una forma natural de empezar sería
estratificar el problema, es decir, localizar el tipo de defecto
con mayor frecuencia y el área donde se presenta.
• En otras palabras, la acción de mejora no debe partir de

reaccionar ante lo que se observa en una mesa, ya que no
hay problemas especiales.
• Toda la problemática es común a todas las mesas; por lo

tanto, la acción parte de analizar todo el proceso
enfocándose en aquellos problemas con mayor recurrencia.
• La carta de control para los defectos en las mesas muestra un
proceso estable (en control estadístico), pero quizá se
considera que genera muchos defectos: 6.4 en promedio por
mesa.
• Si éste fuera el caso, entonces se tendría un proceso estable

pero malo, o en otras palabras, un proceso estable e incapaz.
• Una ventaja que ofrece la carta es que no sólo ayudará a

detectar y prevenir situaciones anormales en la producción de
mesas, sino que además provoca en la administración una
mayor conciencia de la magnitud e importancia del problema,
además de que permite evaluar el impacto de las acciones de
mejora
GRÁFICOS DE CONTROL u
(número de defectos por unidad)
• Cuando en el tipo de variables que se comentaron al inicio

de esta sección (con distribución Poisson), el tamaño del
subgrupo no es constante, se usa la carta u, en la cual se
analiza la variación del número promedio de defectos por
artículo o unidad, en lugar del total de defectos en el
subgrupo.
• Así, en esta carta, un subgrupo lo forman varias unidades.

De manera que para cada subgrupo se grafica,
• Donde ci es la cantidad de defectos en el subgrupo i y ni es

el tamaño del subgrupo i.
• Para calcular los límites es necesario estimar la media y la
desviación estándar del estadístico ui, que bajo el supuesto
de que ci sigue una distribución Poisson, resultan ser
• Donde n es el tamaño de subgrupo.

• De esta manera, los límites de control en la carta u están
dados por:
• Cuando n no es el mismo en todos los subgrupos, entonces

se sustituye por el tamaño promedio de subgrupo, n–.
• Otra alternativa es obtener una carta con límites variables,

en la que para cada subgrupo se calculan sus límites en
función del tamaño del subgrupo ni y con éstos se evalúa el
proceso para tal subgrupo.
• En una fábrica se ensamblan artículos electrónicos y al final

del proceso se hace una inspección por muestreo para
detectar defectos relativamente menores.
• En la tabla siguiente se presenta el número de defectos
observados en muestreos realizados en 24 lotes
consecutivos de piezas electrónicas.
Lote Tamaño Defectos
de encontrados
muestra, , ci
ni
1 20 17
2 20 24
3 20 16
4 20 26
5 15 15
6 15 15
7 15 20
GRÁFICOS DE 8 25 18
9 25 26
CONTROL u 10 25 10
11 25 25
(número de defectos 12 30 21
por unidad) 13
14
30
30
40
24
15 30 46
16 30 32
17 30 30
18 30 34
19 15 11
20 15 14
21 15 30
22 15 17
23 15 18
24 15 20
Lote Tamaño Defectos ui = ci
de encontrados ni
muestra, , ci
ni
1 20 17 0,85
2 20 24 1,20
3 20 16 0,80
4 20 26 1,30
5 15 15 1,00
6 15 15 1,00
7 15 20 1,33
GRÁFICOS DE 8 25 18 0,72
9 25 26 1,04
CONTROL u 10 25 10 0,40
11 25 25 1,00
(número de defectos 12 30 21 0,70
13 30 40 1,33
por unidad) 14 30 24 0,80
15 30 46 1,53
16 30 32 1,07
17 30 30 1,00
18 30 34 1,13
19 15 11 0,73
20 15 14 0,93
21 15 30 2,00
22 15 17 1,13
23 15 18 1,20
24 15 20 1,33
525 549
µ = 549 1.05
525
n= 525 21.875
24
LCS = µ + 3 * = 1.70164
LCI = µ - 3 * = 0.38979
Gráfico de control u
2,39
1,89
1,39
0,89
0,39
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Figura 12 : Gráfico de control : u

Interpretación de los límites de control en la carta u
• En la carta u se grafica el número promedio de defectos por
unidad.
• Por ejemplo, en el caso de las piezas electrónicas se

espera que en las muestras de tamaños similares a los de
la tabla anterior se encuentren entre 0.38 y 1.70 defectos
por pieza con un promedio de 1.05.
• Lo que procede en el problema bajo análisis es seguir

monitoreando el proceso mediante la carta de control para
identificar y eliminar causas especiales de variación.
•
Interpretación de los límites de control en la carta u
• Además se debe evaluar la posibilidad de generar un

proyecto de mejora para identificar y eliminar las causas
comunes de los defectos en los artículos.
• Un primer paso en tal proyecto de mejora sería identificar el

tipo de defecto que se presenta con mayor frecuencia.
Carta u con límites variables
• Para construir una carta u con límites variables para los

datos de la tabla del gráfico u (fábrica se ensamblan
artículos electrónicos) es necesario calcular los límites de
control para cada tamaño de subgrupo.
• Por ejemplo,
• cuando se tiene un tamaño de muestra de 25, los límites
para tales lotes son:
• Al calcular tantos límites como tamaños de muestra
distintos.
• La línea central es la misma, independientemente del

tamaño de subgrupo.
• En la carta se observa que además del punto

correspondiente al lote 21, el del 10 también aparece fuera
de control; aunque este último por el límite inferior.
• De esta manera, en la fabricación del lote 10 ocurrió algo

especial que mejoró el desempeño del proceso.
• Nótese que en la carta con límites promedio de la figura

no se había detectado esto, aunque tal punto sí estaba muy
cerca del límite inferior.
• Además, la amplitud de los distintos límites en la carta u es
diferente debido a que la discrepancia entre algunos
tamaños de muestra con respecto al tamaño promedio es
grande en términos relativos; por ejemplo, entre 30 y 21.8
es de 37% ((30/21.8) – 1).
• La ventaja de usar límites promedio es que al ser sólo un

par de límites no es necesario calcularlos para cada punto
y se tiene una perspectiva e interpretación más directa;
pero su desventaja es que en ocasiones no detecta
cambios, o puede ser que registre un cambio cuando en
realidad no ocurrió.
• Una buena alternativa sería usar límites promedio cuando

los tamaños muestrales no discrepen más del 20% entre sí.
Cartas X, R Considerar como buena alternativa
estas cartas en algunas de las siguientes
situaciones:
• Se inicia un nuevo proceso; o se va a desarrollar un nuevo
producto con un proceso ya existente.
• En procesos con mal desempeño con respecto a

especificaciones.
• Actualmente se mide la variable, pero se conoce poco

acerca de la misma.
• Se quieren definir o redefinir especificaciones para una

característica de calidad.
Cartas X, R Considerar como buena alternativa
situaciones:
• Ya se han usado cartas de atributos, pero el proceso es
muy inestable y/o su capacidad sigue siendo mala. En ese
caso es mejor una carta para variables continuas, ya que
éstas aportan más información acerca del desempeño del
proceso.
• Se pretende reducir la cantidad de inspección.
• Procesos en los que hay desgastes o desajustes naturales,

y que es necesario compensarlos de manera apropiada.
• Tiene que demostrarse continuamente (a clientes o la

gerencia) que el proceso es estable y capaz.
Cartas p, np, c o u. Considerar como alternativa
situaciones:
• La variable candidata es de atributos y no se tiene
información acerca de su estabilidad y capacidad.
• El proceso consiste en operaciones complejas de ensamble

y la calidad del producto se mide en términos de la
ocurrencia de defectos, o con criterios del tipo pasa o no
pasa.
• Es necesario que el proceso sea estable y capaz pero no

se pueden obtener mediciones de tipo continuo.
• Se requiere tener información sobre la evolución del

desempeño global del proceso.

Ayuda 06 Gráficos de Control

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

Ayuda 06 Gráficos de Control

Încărcat de

Drepturi de autor:

Formate disponibile

Módulo: 1 Unidad: 5 Semana: 5

CONTROL ESTADÍSTICO DE LA CALIDAD

• En general, un proceso caótico no es previsible y no puede

• Un proceso de este tipo debe ser estudiado mediante

• Estrictamente hablando, este desgaste de la

• Un ejemplo puede ser la distribución de los diámetros de

• Esto es equivalente a decir que el proceso permanezca

• Constituyen la base para decidir si las variaciones en el

• Siempre que se detecte que un proceso está fuera de

• Se usa un gráfico x cuando la calidad del producto de un

• En tal caso, la decisión de dejar continuar el proceso de

• Para introducir algunos de los conceptos que son comunes a

Línea central Media del proceso

Figura 3 : Estructura de un gráfico de control x

Figura PPP Gráfico x

• Además de la presencia de puntos fuera de los límites de

• Otro patrón a observar en una carta de control es si existe un

• Por ejemplo, debido al desgaste de las herramientas, las

• Seis o siete puntos consecutivos que muestren una tendencia

• Siempre que se observen tales patrones, deberá revisarse el

• Puede que sea necesario tomar medidas correctivas para que el

3. Definir en forma concreta y preliminar el o los objetivos de la

4. Hacer una lista exhaustiva de las diferentes variables que

6, De la preselección del inciso previo, elegir una primera variable

• Para ilustrar la construcción de un gráfico x se tomará

• Cuando el proceso se desarrolla correctamente y se

• Se supone, también, que los pesos de llenado siguen una

• En la Figura 4 se muestra esta distribución.

Figura 4: Distribución normal de los pesos de llenado de los paquetes de cereal

• Para determinar la variación que puede esperarse en los

• Recuerde que el valor esperado o la media de los valores

• Si las muestras son de tamaño n, la ecuación para obtener

• De manera que la distribución muestral de es una

• En la figura 5 se presenta esta distribución.

• La distribución muestral de se usa para determinar cuáles

Figura 5: Distribución muestral de x para una muestra de n pesos de llenado

• Recuerde que la distribución de probabilidad normal que

• Por tanto, si un valor se encuentra dentro del intervalo de

Error estándar de la media

• Los números correspondientes a las muestras se han colocado

• Se observa que la media de la quinta muestra indica que el

• En este momento, se toman medidas correctivas para hacer

• El hecho de que los demás puntos del gráfico se encuentren

Figura 6 Gráfico x del proceso de llenado de los paquetes de cereal

• Sin embargo, en la mayoría de los casos es necesario estimar la

• Por ejemplo, durante 10 días en los que el proceso está bajo

• El rango puede servir para obtener una buena estimación de

• Para ilustrar esto, se tomará un ejemplo de la empresa PK2

• Su proceso de producción acaba de ser ajustado, de

• En la Tabla 1 se presentan los diámetros de las muestras

• La estimación de la media del proceso μ esta dada por la

Media muestral general x = x = x1 + x2 + ………….xk

• La media muestral general de los datos de PK2 S.A, que se

• Este valor será la línea central del gráfico.

• El rango de cada muestra es simplemente la diferencia entre el

• El promedio de los rangos dividido entre d2, una constante

• Por ejemplo, para n = 5, d2 = 2.326 y la estimación de s es

• Se sustituye s por R/d2, los límites de control del gráfico x

• Observe que es una constante que depende

3.4995 (0.577)(0.0253) = 3.4995 0.0146

• La línea central se encuentra en el valor de la media muestral

• En el gráfico de control aparecen las 20 medias muestrales que

• Como todas las medias muestrales se encuentran dentro de los