SEMANA 2 – CONTROL ESTADÍSTICO DE PROCESOS

CONTROL ESTADÍSTICO DE PROCESOS

SEMANA 2
Gráficas y diagramas de control

Todos los derechos de autor son de la exclusiva propiedad de IACC o de los otorgantes de sus licencias. No está
IACC-2019
permitido copiar, reproducir, reeditar, descargar, publicar, emitir, difundir, poner a disposición del público ni
utilizar los contenidos para fines comerciales de ninguna clase. 1
SEMANA 2 – CONTROL ESTADÍSTICO DE PROCESOS

APRENDIZAJE ESPERADO
• Analizar los datos para elaborar gráficas de
control a partir de la interpretación de sus
elementos de control por variables y
atributos.

IACC-2019
2
SEMANA 2 – CONTROL ESTADÍSTICO DE PROCESOS

APRENDIZAJE ESPERADO ....................................................................................................................2

INTRODUCCIÓN ...................................................................................................................................4
1. DEFINICIONES Y CONCEPTOS DE LOS GRÁFICOS DE DIAGRAMA DE CONTROL ..........................5
1.1. OBJETIVOS DE LAS GRÁFICAS DE CONTROL ....................................................................5
1.2. CAUSAS DE LAS VARIACIONES DE UN PROCESO .............................................................6
1.3. GRÁFICAS DE CONTROL POR VARIABLES.........................................................................6
1.3.1. TEOREMA DEL LÍMITE CENTRAL ..................................................................................7
1.3.2. DETERMINACIÓN DE LOS LÍMITES DE LA GRÁFICA DEL RANGO (GRÁFICOS R) ...........7
1.3.3. EJEMPLO DE APLICACIÓN ............................................................................................8
1.3.4. DETERMINACIÓN DE LOS LÍMITES DE LA GRÁFICA 𝑥.................................................10
1.3.5. EJEMPLO DE APLICACIÓN ..........................................................................................11
1.4. GRÁFICAS DE CONTROL POR ATRIBUTOS ......................................................................13
1.4.1. GRÁFICAS P ................................................................................................................13
1.4.2. EJEMPLO DE APLICACIÓN ..........................................................................................14
1.4.3. GRÁFICAS C ................................................................................................................17
1.4.4. EJEMPLO DE APLICACIÓN ..........................................................................................17
COMENTARIO FINAL..........................................................................................................................20
REFERENCIAS .....................................................................................................................................21

IACC-2019
3
SEMANA 2 – CONTROL ESTADÍSTICO DE PROCESOS
INTRODUCCIÓN
Toda empresa que desea conseguir sus
objetivos de producción y/o servicio debe
evaluar su desempeño mediante este tipo de
herramientas. Las gráficas y diagramas de
control dan la posibilidad de que las distintas
organizaciones puedan conocer el “cómo” se
están llevando a cabo las operaciones y bajo
qué parámetros.
Lo anterior permitirá implementar mejoras
para aumentar la productividad, rentabilidad
de sus productos y, por ende, entregar un
mejor servicio o un producto de mejor
IACC-2019
calidad. Conforme a lo anterior es primordial
que el control ueda ser llevado por
herramientas estadísticas que junto con llevar
el control de datos permitan tener registros
para posibles mejoras, innovaciones, nuevos
procesos o posibles auditorías.
En esta unidad llamada Gráficos y diagramas
de control se hará un estudio de los distintos
gráficos de control tales como gráficas 𝑥̅ y R,
c y p para el análisis de datos de producción,
productos defectuosos, números de reclamos
por parte de clientes, datos de entrega, etc.
4
SEMANA 2 – CONTROL ESTADÍSTICO DE PROCESOS

1. DEFINICIONES Y CONCEPTOS DE LOS GRÁFICOS DE

DIAGRAMA DE CONTROL
El control estadístico de procesos es una herramienta de control del desempeño y variabilidad de
un proceso. El control puede ser guiado mediante los gráficos de diagrama de control.

El gráfico de diagrama de control define el rango de variación que tiene la actividad de un proceso
con respecto a valores promedios. Los gráficos de control se obtienen a partir de muestras o datos
de muestreo (ver figura 1).

Figura 1. Gráfico de control

Fuente: http://bit.ly/2IHohJn

La gráfica anterior tiene 3 líneas de tendencia. UCL es un límite de control superior el que representa
el mayor valor de muestreo. LCL es el límite de control inferior, representando el valor más pequeño
del muestreo. Por su parte, el nominal que es el valor promedio histórico del proceso.

1.1. OBJETIVOS DE LAS GRÁFICAS DE CONTROL

Los objetivos de las gráficas de control son los siguientes:

ü Controlan la estabilidad de los procesos.

ü Permiten visualizar directamente si los datos se encuentran dentro de los límites de control.
ü Permiten estimar los parámetros estadísticos que describen el comportamiento del
proceso.
ü Se observa directamente la variablidad y las líneas de tendencia.

IACC-2019
5
SEMANA 2 – CONTROL ESTADÍSTICO DE PROCESOS

1.2. CAUSAS DE LAS VARIACIONES DE UN PROCESO

Los procesos siempre están sujetos a variaciones. Estas variaciones pueden ser naturales o
asignables:

• Variaciones naturales: Las variaciones naturales afectan a los procesos de producción. Si

bien este tipo de variaciones son probabilísticas, su suma obedece a un patrón de variación
el cual se hace evidente al estudiar el gráfico de control. Existen dos parámetros para
caracterizar una variación natural: la media y la desviación estándar.

• Variaciones asignables: Son variaciones del tipo operacional y están ligadas al desgaste de
equipos y máquinas, errores humanos o fallas en la materia prima.

1.3. GRÁFICAS DE CONTROL POR VARIABLES

Los gráficos de control por variables se utilizan para monitorear la media y la variabilidad de un
proceso. El control se realiza mediante variables continuas, tales como: pesos, diámetros,
longitudes, velocidad, temperatura, etc.

Este tipo de gráficos pueden ser: gráfica 𝑥̅ barra o gráfica R.

Para determinar los límites de control del gráfico R y 𝑥̅ se debe utilizar la siguiente tabla de factores:

Tabla 1: Factores para determinar límites de la gráfica R y 𝑥̅ .

Fuente: Krajewski et al., 2008.

IACC-2019
6
SEMANA 2 – CONTROL ESTADÍSTICO DE PROCESOS

1.3.1. TEOREMA DEL LÍMITE CENTRAL

Este teorema es aplicado a las graficas 𝑥̅ . Establece que la distribución de las medias de una
muestra grande de datos sigue una distribución normal. El teorema establece lo siguiente:

• $$$ será igual a la media de la población global (µ), es decir

La media de la distribución (𝑥)
𝑥̅ = µ.
• La desviación estándar de la población de las muestras(σ𝑥̅ ):
σ
σ𝑥̅ =
√𝑛

Donde σ es la desviación estándar de la población y n es el tamaño de la muestra.

1.3.2. DETERMINACIÓN DE LOS LÍMITES DE LA GRÁFICA DEL RANGO (GRÁFICOS R)

Los gráficos R se usan para monitorear la variabilidad de un proceso dentro de los límites de control.
Los límites de control son:

• 𝑈𝐶𝐿. : Es el límite superior del rango

𝑈𝐶𝐿. = 𝐷0 ∗ 𝑅$

𝐿𝐶𝐿. : Es el límite inferior del rango

𝐿𝐶𝐿. = 𝐷3 ∗ 𝑅$

Donde 𝑅$ es el promedio de los valores R y la línea central del gráfico de control y 𝐷3 𝑦 𝐷0

son constantes que se obtienen de la tabla de factores.

IACC-2019
7
SEMANA 2 – CONTROL ESTADÍSTICO DE PROCESOS

1.3.3. EJEMPLO DE APLICACIÓN

Una empresa metalmecánica tiene los siguientes datos de producción cuando el proceso está bajo
control:

Observación
Muestra 1 2 3 4
1 604 610 580 602
2 597 589 602 600
3 581 569 580 590
4 625 603 590 580
5 589 610 605 600

Desarrollo:

• Determinar el rango de cada muestra y el rango promedio

Datos de producción de lotes de piezas metálicas

Muestra 1 2 3 4 Rango
1 604 610 580 602 30
2 597 589 602 600 13
3 581 569 580 590 21
4 625 603 590 580 45
5 589 610 605 600 21

De los rangos obtenidos, se tiene que el rango promedio es 𝑅$ = 26

• Determinar el promedio de cada muestra

Datos de producción de lotes de piezas metálicas

Muestra 1 2 3 4 𝑥̅
1 604 610 580 602 599
2 597 589 602 600 597
3 581 569 580 590 580
4 625 603 590 580 599,5
5 589 610 605 600 601

IACC-2019
8
SEMANA 2 – CONTROL ESTADÍSTICO DE PROCESOS

• Aplicar las ecuaciones para determinar los límites de control: Límite superior e
inferior respectivamente:

𝑈𝐶𝐿. = 𝐷0 ∗ 𝑅$

𝐿𝐶𝐿. = 𝐷3 ∗ 𝑅$

Considerando que el tamaño de la muestra es 4, los valores para 𝐷3 𝑦 𝐷0 de la tabla de factores

es:

𝐷3 = 0
𝐷0 = 2.282

Reemplazando:

𝑈𝐶𝐿. = 2.282 ∗ 26 = 59.332

𝐿𝐶𝐿. = 0

Luego:

Muestra LCL UCL R 𝑅$

1 0 59.332 30 26
2 0 59.332 13 26
3 0 59.332 21 26
4 0 59.332 45 26
5 0 59.332 21 26

IACC-2019
9
SEMANA 2 – CONTROL ESTADÍSTICO DE PROCESOS

• Se grafican los resultados obtenidos

GRÁFICA R
70
60
50
40
RANGO

Rango
30 UCL
20 LCL
10 R
0
0 1 2 3 4 5 6
NÚMERO DE MUESTRAS

1.3.4. DETERMINACIÓN DE LOS LÍMITES DE LA GRÁFICA 𝑥̅

Para determinar los límites de control se usan las siguientes fórmulas:

𝑈𝐶𝐿=̅ = 𝑥̅ + 𝐴@ ∗ 𝑅$

𝐿𝐶𝐿=̅ = 𝑥̅ − 𝐴@ ∗ 𝑅$

Donde 𝑥̅ corresponde a la línea central del gráfico y 𝐴@ es una constante que se obtiene de la tabla
de factores.

IACC-2019
10
SEMANA 2 – CONTROL ESTADÍSTICO DE PROCESOS

1.3.5. EJEMPLO DE APLICACIÓN

Usando los mismos datos estadísticos de la empresa metalmecánica, se tiene que:

Datos de producción de lotes de piezas metálicas

Muestra 1 2 3 4
1 604 610 580 602
2 597 589 602 600
3 581 569 580 590
4 625 603 590 580
5 589 610 605 600

Desarrollo:

• Determinar el rango de cada muestra y el rango promedio

Datos de producción de lotes de piezas metálicas

Muestra 1 2 3 4 Rango
1 604 610 580 602 30
2 597 589 602 600 13
3 581 569 580 590 21
4 625 603 590 580 45
5 589 610 605 600 21

De los rangos obtenidos, se tiene que el rango promedio es 𝑅$ = 26

• Determinar el promedio de cada muestra

Datos de producción de lotes de piezas metálicas

Muestra 1 2 3 4 𝑥̅
1 604 610 580 602 599
2 597 589 602 600 597
3 581 569 580 590 580
4 625 603 590 580 599,5
5 589 610 605 600 601

Se tiene que el rango promedio es 𝑥̅ = 595

IACC-2019
11
SEMANA 2 – CONTROL ESTADÍSTICO DE PROCESOS

• Aplicar las ecuaciones para determinar los límites de control: Límite superior e inferior
respectivamente:

𝑈𝐶𝐿=̅ = 𝑥̅ + 𝐴@ ∗ 𝑅$

𝐿𝐶𝐿=̅ = 𝑥̅ − 𝐴@ ∗ 𝑅$

Considerando que el tamaño de la muestra es 4, los valores para 𝐴@ = 0.729

Reemplazando:

𝑈𝐶𝐿=̅ = 595 + 0.729 ∗ 26 = 614

𝐿𝐶𝐿=̅ = 595 − 0.729 ∗ 26 = 576

Luego:
Muestra LCL UCL 𝑥̅ 𝑥̅
1 576 614 599 595
2 576 614 597 595
3 576 614 580 595
4 576 614 599,5 595
5 576 614 601 595

• Se grafican los resultados obtenidos:

GRÁFICA X
620
615
610
605
PROMEDIO

600 x
595
590 UCL
585 LCL
580
X
575
570
0 1 2 3 4 5 6
NÚMERO DE MUESTRAS

IACC-2019
12
SEMANA 2 – CONTROL ESTADÍSTICO DE PROCESOS

• Análisis de los resultados:

Los resultados indican que el proceso está bajo control y el valor de las medias demuestra que no
existe la posibilidad de realizar mejoras ya que se encuentran dentro de control.

1.4. GRÁFICAS DE CONTROL POR ATRIBUTOS

Las gráficas de control por atributos están centradas específicamente en el producto o servicio. Se
focaliza la atención en defectos en el producto y/o servicio.

Para su construcción, se deben considerar variables tales como el tamaño de la muestra y procesos
con alta tasa de disconformidades y unidades defectuosas.

Dentro de este tipo de gráficas se encuentran las gráficas P y las gráficas C.

1.4.1. GRÁFICAS P

La gráfica P es una carta de control que permite monitorear la proporción o porcentaje de productos
defectuosos de una muestra de datos de una línea productiva. Con los resultados es posible entregar
puntos de inspección para generar mejoras al proceso.

Los límites de control 𝑈𝐶𝐿E y 𝐿𝐶𝐿F se obtienen de:

E̅ (JKE̅ )
Determinar la desviación estándar de los datos: 𝜎E = H L

Donde n es el tamaño de la muestra, 𝑝̅ es la línea central del gráfico

𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑑𝑒𝑓𝑒𝑐𝑡𝑜𝑠
𝑝̅ =
𝑛ú𝑚𝑒𝑟𝑜 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑜𝑏𝑠𝑒𝑟𝑣𝑎𝑐𝑖𝑜𝑛𝑒𝑠

Luego se calculan los límites de control

𝑈𝐶𝐿E = 𝑝̅ + 𝑧𝜎E

𝐿𝐶𝐿E = 𝑝̅ − 𝑧𝜎E

Donde z es el número de desviaciones estándar con respecto al promedio

IACC-2019
13
SEMANA 2 – CONTROL ESTADÍSTICO DE PROCESOS

1.4.2. EJEMPLO DE APLICACIÓN

La misma empresa metalmecánica de los ejemplos anteriores entrega a uno de sus analistas el
reporte de un total de 200 muestras de piezas defectuosas, ninguna fuera de control. La tabla
muestra el resultado de las últimas 20 muestras. Con los datos entregados se obtendrá la gráfica P
usando para este caso un z=3.

Muestra Número de piezas

defectuosas
1 12
2 4
3 5
4 11
5 5
6 17
7 3
8 11
9 12
10 8
11 4
12 2
13 12
14 7
15 9
TOTAL 122

Desarrollo:

Ø Obtener el valor de 𝑝̅

𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑑𝑒𝑓𝑒𝑐𝑡𝑜𝑠 122

𝑝̅ = = = 0,04
𝑛ú𝑚𝑒𝑟𝑜 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑜𝑏𝑠𝑒𝑟𝑣𝑎𝑐𝑖𝑜𝑛𝑒𝑠 200 ∗ 15
Ø Obtener

𝑝̅ (1 − 𝑝̅) 0,04(1 − 0,04)

𝜎E = _ = _ = 0,014
𝑛 200

Ø Luego se calculan los límites de control

𝑈𝐶𝐿E = 𝑝̅ + 𝑧𝜎E = 0,04 + 3 ∗ 0,014 = 0,082

IACC-2019
14
SEMANA 2 – CONTROL ESTADÍSTICO DE PROCESOS

𝐿𝐶𝐿E = 𝑝̅ − 𝑧𝜎E = 0,04 − 3 ∗ 0,014 = −0,002

Ø Calcular la proporción defectuosa

𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑟𝑒𝑔𝑖𝑡𝑟𝑜𝑠 𝑑𝑒𝑓𝑒𝑐𝑡𝑢𝑜𝑠𝑜𝑠

𝑝𝑟𝑜𝑝𝑜𝑟𝑐𝑖ó𝑛 𝑑𝑒𝑓𝑒𝑐𝑡𝑢𝑜𝑠𝑎 =
𝑛ú𝑚𝑒𝑟𝑜 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑟𝑒𝑔𝑖𝑠𝑡𝑟𝑜𝑠 𝑝𝑜𝑟 𝑚𝑢𝑒𝑠𝑡𝑟𝑎

Muestra Número de piezas Proporción defectuosa

defectuosas
1 12 J@
@cc
=0,06
2 4 0,02
3 5 0,025
4 11 0,055
5 5 0,025
6 17 0,085
7 3 0,015
8 11 0,055
9 12 0,06
10 8 0,04
11 4 0,02
12 2 0,01
13 12 0,06
14 7 0,035
15 9 0,045

IACC-2019
15
SEMANA 2 – CONTROL ESTADÍSTICO DE PROCESOS

Luego:

Muestra 𝑼𝑪𝑳𝒑 𝑳𝑪𝑳𝒑 Proporción P

defectuosa
1 0,082 −0,002 J@ 0,04
=0,06
@cc
2 0,082 −0,002 0,02 0,04
3 0,082 −0,002 0,025 0,04
4 0,082 −0,002 0,055 0,04
5 0,082 −0,002 0,025 0,04
6 0,082 −0,002 0,085 0,04
7 0,082 −0,002 0,015 0,04
8 0,082 −0,002 0,055 0,04
9 0,082 −0,002 0,06 0,04
10 0,082 −0,002 0,04 0,04
11 0,082 −0,002 0,02 0,04
12 0,082 −0,002 0,01 0,04
13 0,082 −0,002 0,06 0,04
14 0,082 −0,002 0,035 0,04
15 0,082 −0,002 0,045 0,04

Ø Se grafican los resultados obtenidos

Gráfico p
0,09
0,08
0,07
proporción defectuosa

0,06
0,05 proporción defectuosa
0,04 UCL
0,03 LCL
0,02
P
0,01
0
-0,01 0 5 10 15 20
número de muestra

IACC-2019
16
SEMANA 2 – CONTROL ESTADÍSTICO DE PROCESOS

Ø Análisis de los resultados:

Los resultados indican que todos los registros de piezas defectuosas se encuentran dentro de los
límites de control excepto la muestra 6 ya que pasa el límite superior. Por lo tanto, es necesario
determinar las razones del desempeño deficiente de ese día, ya que hubo un número mayor de
piezas defectuosas. Se deben aplicar medidas correctivas.

1.4.3. GRÁFICAS C

Las gráficas C se usan cuando los productos o servicios tienen más de un defecto que pudo ser
generado en el proceso de producción, accidentes, reclamos, etc.

Los límites de control 𝑈𝐶𝐿h y 𝐿𝐶𝐿h se obtienen de:

𝑈𝐶𝐿h = 𝑐̅ + 𝑧√𝑐

𝐿𝐶𝐿h = 𝑐̅ + 𝑧√𝑐

Donde c es el promedio de defectos

• Si Z= 1 el 68,27% de los promedios cae dentro de la desviación estándar.

• Si Z= 2 el 95,45% de los promedios cae dentro de la desviación estándar.
• Si Z= 3 el 99,73% de los promedios cae dentro de la desviación estándar.

1.4.4. EJEMPLO DE APLICACIÓN

En una empresa que se dedica a fabricar rollos de papel, el número de defectos por rollos entre
errores de medición, paralaje y humanos alcanza, en promedio, los 15 defectos por rollo. Además
se tienen los siguientes datos:

Número de rollo de papel Número de defectos

(muestra)
1 15
2 10
3 20
4 18
5 22

IACC-2019
17
SEMANA 2 – CONTROL ESTADÍSTICO DE PROCESOS

Se requiere determinar si el proceso se encuentra bajo control. Use límites de control 2 sigma.

Desarrollo

Ø Los límites de control 𝑈𝐶𝐿h y 𝐿𝐶𝐿h se obtienen de:

𝑈𝐶𝐿h = 𝑐̅ + 𝑧√𝑐 = 15 + 2 ∗ √15 = 22,75

𝐿𝐶𝐿h = 𝑐̅ + 𝑧√𝑐 = 15 − 2 ∗ √15 = 7,25

Luego:

Muestra Número de 𝑼𝑪𝑳𝒄 𝑳𝑪𝑳𝒄 c

defectos
1 15 22,75 7,25 15
2 10 22,75 7,25 15
3 20 22,75 7,25 15
4 18 22,75 7,25 15
5 22 22,75 7,25 15

Ø Se grafican los resultados obtenidos

Gráfico c
25

20
número de defectos

15 número de defectos

10 UCL
LCL
5
C
0
0 2 4 6
número de muestras

IACC-2019
18
SEMANA 2 – CONTROL ESTADÍSTICO DE PROCESOS

Ø Análisis de los resultados:

Los resultados indican que las muestras se encuentran bajo control, por lo que no son necesarias
mejoras o aumento del monitoreo delos defectos.

IACC-2019
19
SEMANA 2 – CONTROL ESTADÍSTICO DE PROCESOS

COMENTARIO FINAL
Esta semana se estudió la importancia de las distintas gráficas de control en el desempeño de los
procesos tanto en su desempeño como variabilidad. Junto con analizar las diversas gráficas se
evidenció la forma que tiene el profesional encargado de tomar decisiones y diagnosticar la
posibilidad de mejoras en los procesos junto con identificar los posibles errores que se están
ejecutando ya sea de parte de los equipos y máquinas o por parte del personal encargado.

IACC-2019
20
SEMANA 2 – CONTROL ESTADÍSTICO DE PROCESOS

REFERENCIAS

Heizer, J. y Render, B. (2009). Principios de administración de operaciones. México: Pearson

Educación.

Krajewski, L. et al. (2008). Administración de operaciones. México: Pearson Educación.

PARA REFERENCIAR ESTE DOCUMENTO, CONSIDERE:

IACC (2019). Gráficas y diagramas de control. Control Estadístico de Procesos.

Semana 2.

IACC-2019
21
SEMANA 2 – CONTROL ESTADÍSTICO DE PROCESOS

IACC-2019
22