Universidad del Atlántico, Bloom, Esquiaqui, Salas, Toscano.

ANÁLISIS DE CARTA DE CONTROL R A

UNA MUESTRA DE CHAZOS
Daniel Eduardo Bloom Giraldo1, Eduardo José Salas Reyes2, Camilo Andrés Esquiaqui Gonzalez3
Cristian Daniel Toscano Cantillo4
Facultad de ingenierías, Universidad del Atlántico, Barranquila, Colombia
E-mail: 1 danielbloomg@gmail.com, 2 camiloesquiaquig@gmail.com, 3edujo10@hotmail.com
4 crisdatoca22@gmail.com

Resumen- A través de este artículo se realiza un análisis estadístico a
la variación del diámetro de los chazos, se usa como herramienta para
el análisis la carta de control R de Shewhart, se trabaja con dos
muestras diferente, la primera muestra es de 20 subgrupos de 3 la cual
se utiliza para la primera fase de la carta de control, la segunda muestra
es de 8 subgrupo de 3 la cual se utiliza para la segunda fase de la carta
de control. Con la carta se puede realizar un seguimiento a través del
tiempo en intervalos equidistantes o no equidistantes de su
característica de calidad para el caso uní-variado o el caso
multivariado, al analizar la carta se identifica el comportamiento no
aleatorio que pueden tener los diámetros de cada chazo. Para hacer del
estudio algo más rápido se apoya en el software R, con él se puede
obtener gráficos, cartas, histogramas y datos que facilitan el análisis de
la variación en el diámetro de los chazos.
En este informe se busca explicar lo que son las cartas de control, sus
tipos, su importancia y a su vez, enfocarse en el tipo de Carta Rango(R)
a través de un ejemplo práctico sobre chazos.
II. MARCO TEÓRICO
A. Las cartas de control
Las cartas de control, introducidas por primera vez por Shewhart en un
memorando técnico de Bell Laboratories en el año 1924, se destacan
entre las técnicas de control de calidad por su facilidad de uso y
eficiencia para detectar cambios en la variabilidad de un proceso.

Palabras claves- Articulo, carta, muestra, univariado, multivariado, Con el transcurrir de los años se han creado diferentes tipos de cartas
aleatorio, diámetro, grafico, calidad, chazos. de control adecuadas para monitorear diferentes características de
acuerdo al tipo y cantidad de datos usados. En Jensen et al. (2006) se
Abstract-Through this article, a statistical analysis is performed on the muestran varios tipos de estas incluyendo las cartas X, X¯, R, S,
variation of the diameter of the shaws, the Shewhart control letter R is S2,EWMA, la CUSUM, p, np, multivariadas, entre otras.[1]
used as a tool for the analysis, two different samples are worked on,
the first sample is of 20 subgroups of 3 which is used for the first phase
of the control chart, the second sample is of 8 subgroup of 3 which is
used for the second phase of the control chart. With the letter you can
track through time in equidistant or non-equidistant intervals of your
quality characteristic for the univariate case or the multivariate case,
by analyzing the letter you identify the non-random behavior that the
diameters of each slash can have.

To make the study a little faster, it relies on the R software, with it you Figura 1. Carta de control de tipo shewhart.
can obtain the graphics or charts, the histograms and data that facilitate
the analysis of the variation in the diameter of the shafts. B. Tipos de carta de control

Key words- Article, letter, sample, univariate, multivariate, random,
diameter, graph, quality, chazos.
I. INTRODUCCIÓN
A medida que el tiempo avanza, cada vez se necesitan métodos más
sofisticados y efectivos para controlar de manera adecuada los
procesos que se ejecutan en una empresa. Las cartas de control que se
representan a través de gráficos de control, ayudan en la detección de
modelos no naturales de variación en los datos que resultan de procesos
repetitivos y dan criterios para detectar una falta de control estadístico.
Las características de calidad sobre las cuales se constituyen las cartas
de control generalmente caen en dos categorías:
• Variables
• Atributos
Cuando se lleva un registro sobre una medida real de una característica
de calidad, tal como una dimensión expresada en milímetros, se dice
que la calidad se expresa por variables y las cartas que se construyen
se llaman Cartas de Control por Variables. [2]
C. Cartas de control para la variabilidad
Cuando en una compañía se propone una carta de control para un
proceso, generalmente se propone para monitorear el promedio de una
variable aleatoria, así que gran parte del trabajo teórico se ha centrado
en estudiar las cartas de control para la media. Esto es resaltado por
Universidad del Atlántico. Bloom, Marriaga y Vega 2

Jensen et al. (2006) y Chakraborti et al. (2009). Pero, en la El 75.0% de los valores son más pequeños que o iguales al tercer
construcción de una carta para la media es necesario estimar de alguna cuartil, Q3, y 25.0% de ellos son más grandes o iguales que el tercer
manera la varianza o la desviación estándar de la variable, y puesto que cuartil, Q3.
el principal objetivo del control estadístico de calidad es reducir la 3(𝑛 + 1)
dispersión, se hace necesario controlar también la variabilidad de la 𝑄= (6)
4
variable para luego proceder a controlar la media. [3] H. Rango Es el intervalo entre el valor máximo y el valor mínimo de
una muestra, comparten unidades con los datos y permite obtener una
D. Carta Rango (R) idea de la dispersión de los datos cuan mayor y más dispersos estén los
datos de un conjunto. [8]
Si se supone un proceso bajo control, es necesario obtener la relación
entre el Rango (R) de una muestra tomada a una población normal con I. Rango Intercuartilico Es una estimación estadística de la dispersión
parámetros conocidos y la desviación estándar de la población. Puesto de una distribución de datos que consiste en la diferencia entre el tercer
que el Rango es una variable aleatoria, la cantidad W = R/σ y el primer cuartil; mediante esta medida se elimina los valores
(El Rango Relativo) también es una variable aleatoria. Se refiere con extremos de la dos. El rango intercuartilico es altamente recomendable
frecuencia al valor esperado de W como d2, entonces tomado el valor cuando la medida de tendencia central utilizada es la, medida [9]
de W anterior se tiene que:
𝐸(𝑅)
= 𝑑2 (1) J. Desviación media
𝜎
𝐸(𝑅) = 𝑑2 σ (2) Es una medida de dispersión, una medida de cómo los valores
Como además W= R/σ, la desviación estándar de R puede obtenerse individuales del conjunto pueden diferir de la media. El valor absoluto
como: se usa para evitar que las desviaciones de signo contrario se cancelan
σ𝑅 = σ𝑤 σ (3) mutuamente. La fórmula siguiente es utilizada para calcular la
La desviación estándar de W o sea, σw, es una función del tamaño de desviación media:
𝑛
muestra n y comúnmente se representa por d3, entonces resulta:[4] 1
σ 𝑅 = 𝑑3 σ (4) 𝐷𝑚 = ∑|𝑥𝑖 − 𝑥̅ | (7)
𝑛
E. Histograma 𝑖=1
donde n es el número de valores observados, x-bar, la media de los
Un histograma es una gráfica de barras para datos numéricos valores observados, y xi son los valores individuales. [10]
agrupados en la que se utilizan barras verticales para representar las K. Media
frecuencias o porcentajes en cada grupo. En un histograma no existen Si X1 | X2 | … | Xn, representan una muestra aleatoria de tamaño n,
huecos entre las barras adyacentes. La variable de interés se coloca entonces la media de la muestra se define mediante el estadístico [11].
𝑛
sobre el eje horizontal (X). El eje vertical (Y) representa la frecuencia 1
o el porcentaje de los datos por cada intervalo de clase [5] 𝑥̅ = ∑ 𝑋! (8)
𝑛
𝑖=1
F. Diagrama de dispersión L. Varianza
Si X1, X2, …, Xn representan una muestra aleatoria de tamaño n, entonces
Con frecuencia se tiene dos mediciones numéricas del mismo objeto la varianza de la muestra se define con el estadístico [12].
𝑛
o individuo. Un diagrama de dispersión permite explorar la posible 2
1
relación entre esas mediciones graficando los datos de una variable 𝑆 = ∑(𝑥𝑖 − 𝑥̅ )2 (9)
𝑛−1
𝑖=1
numérica sobe el eje horizontal, o X, y los datos de una segunda
variable numérica sobre el eje vertical, o Y. por ejemplo, un analista
M. Desviación estándar
de marketing podría estudiar la eficacia de la publicidad comparando
La desviación estándar de la muestra, que se denota con S, es la raíz
los gastos publicitarios y los ingresos de venta de 50 tiendas.
cuadrada positiva de la varianza de la muestra [13].
Utilizando un diagrama de dispersión, se marca un punto para cada
tienda en la gráfica bidimensional, donde el eje X representa los gatos
publicitarios y el eje Y representa los ingresos de ventas. [6]

G. Cuartiles
REFERENCIAS
Los cuartiles dividen un conjunto de datos en cuarto partes iguales. El
primer cuartil, será al 25.0% de los valores más pequeños del otro [1] Blanco, E, (2012). Cartas R y S son límites de control estimados
75.0%, que son más grandes. El segundo cuartil es la mediana; 50.0% (tesis de maestría). Universidad nacional de Colombia, Bogotá D.C.,
de los valores son más pequeños o iguales que la mediana y 50.0% son Colombia, p.6.
mayores o iguales que la mediana. El tercer cuartil separa al 75.0% de
los valores más pequeños del otro 25.0% que son más grandes. Las [2] Mustafa, A; Rodriguez, N; Chauvet, Susana. (2002). Control de
ecuaciones 5 y 6 definen el primer cuartil y el tercero. [7] calidad: cartas de control por variables. Producciones científicas.
PRIMER CUARTIL, Q1 Sección: salud y calidad de vida. Universidad nacional de Catamarca,
El 25.0% de los valores son más pequeños que o iguales a Q1, el primer Catamarca, Argentina, p.6.
cuartil, y 75.0% de ellos son más grandes que o iguales al primer
cuartil, Q1, [3] Blanco, E, (2012). Cartas R y S son límites de control estimados
𝑛+1 (tésis de maestría). Universidad nacional de Colombia, Bogotá D.C.,
𝑄3 = (5)
4 Colombia, p.9.
TERCER CUARTIL, Q3
Universidad del Atlántico. Bloom, Marriaga y Vega 3

[4] Mustafa, A; Rodriguez, N; Chauvet, Susana. (2002). Control de

calidad: cartas de control por variables. Producciones científicas.
Sección: salud y calidad de vida. Universidad nacional de Catamarca,
Catamarca, Argentina, p.8.

[5] D. Levine, M. Berenson, T. Krehbiel, “Estadística para

administración”, Pearson Education. Mexico, 6ta ed., (2001)
[6] Levine, M. Berenson, T. Krehbiel, “Estadística para
administración”, Pearson Education. Mexico, 6ta ed., (2001)

[7] Levine, M. Berenson, T. Krehbiel, “Estadística para

administración”, Pearson Education. Mexico, p109 6ta ed., (2001)

[8] Sokal R.R. and Rohlf P.J. “Biometry” Freeman & Co. San
Francisco, 3rd ed., (1994)

[9] Levine, M. Berenson, T. Krehbiel, “Estadística para

administración”, Pearson Education. Mexico, p85 6ta ed., (2001)

[10] E.Mode, “Elementos de probabilidad y estadística”, Reverter.

Barcelona, 1era ed., p84, (1990)

[11] R. Walpole, R. Myers, and S. Myers, “Probabilidad y estadísticas

para ingeniería y ciencias”, pp. 11, 2007

[12] R. Walpole, R. Myers, and S. Myers, “Probabilidad y estadísticas

para ingeniería y ciencias”, pp. 15, 2007

[13] R. Walpole, R. Myers, and S. Myers, “Probabilidad y estadísticas

para ingeniería y ciencias”, pp. 15, 2007