7.

Gráficos de Control

Los Gráficos de Control o Cartas de Control son una importante herramienta utilizada en
control de calidad de procesos. Básicamente, una Carta de Control es un gráfico en el cual
se representan los valores de algún tipo de medición realizada durante el funcionamiento de
un proceso continuo, y que sirve para controlar dicho proceso, estudiar su variación y
determinar a que obedece esta variación.

Es una gráfica lineal en la que se han determinado estadísticamente un limite superior

(limite de control superior) y un limite inferior (limite inferior de control) a ambos lados de
la media o línea central. Los límites de control proveen señales estadísticas para que la
administración actúe, indicando la separación entre la variación común (causas no
asignables) y la variación especial (causas asignables). La grafica refleja de forma visual y
cronológica el comportamiento de las características de calidad analizadas en el proceso.

Estos gráficos son muy útiles para estudiar las propiedades de los productos, los factores
variables del proceso, los costos, los errores y otros datos administrativos.

Un Gráfico de Control:

ƒ Muestra si un proceso esta bajo control o no.

ƒ Indica resultados que requieren una explicación.
ƒ Define los límites de capacidad del sistema, los cuales previa comparación con los
de especificación pueden determinar los próximos pasos en un proceso de mejora.

Ejemplo. Supongamos que tenemos una máquina inyectora que produce piezas de plástico,
por ejemplo de PVC. Una característica de calidad importante es el peso de la pieza de
plástico, porque indica la cantidad de PVC que la máquina inyectó en la matriz. Si la
cantidad de PVC es poca, la pieza de plástico será deficiente; si la cantidad es excesiva, la
producción se encarece porque se consume más materia prima.

Entonces, en el lugar de salida de las piezas,

hay un operario que cada 30 minutos toma
una pieza, la pesa en una balanza y registra la
observación:

Supongamos que estos datos se registran en un gráfico de líneas en función del tiempo.
Observaremos una línea quebrada irregular, que muestra las fluctuaciones del peso de las
piezas a lo largo del tiempo (Ver figura siguiente). Esta es la fluctuación esperada y natural
del proceso. Los valores se mueven alrededor de un valor central (El promedio de los
datos), la mayor parte del tiempo cerca del mismo. Pero en algún momento puede ocurrir
que aparezca uno o más valores demasiado alejados del promedio.

1
Cómo podemos distinguir si esto se produce por la fluctuación natural del proceso o porque
el mismo ya no está funcionando bien? Esta es la respuesta que provee el control estadístico
de procesos, y a continuación veremos como lo hace.

Cuando el proceso trabaja afectado solamente por un sistema constante de variables

aleatorias no controlables (Causas no asignables) (variación común) se dice que está
funcionando bajo Control Estadístico. Los 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. Cuando, además de las causas no
asignables (variación común), aparece una o varias causas asignables, (variación especial)
se dice que el proceso está fuera de control.

Cuando la fluctuación de las mediciones se debe a un sistema constante de causas

aleatorias, las observaciones sucesivas tienen una distribución normal, como lo muestra la
grafica vista anteriormente, en donde la mayor parte de los puntos se sitúan muy cerca del
promedio, algunos pocos se alejan algo más y prácticamente no hay ninguno en las zonas
más alejadas.

Cuando un punto se va fuera de los límites esa circunstancia puede ser un indicio de que
algo anda mal en el proceso. Entonces, es necesario investigar para encontrar el problema
(Causa Asignable) y corregirla. Si no se hace esto el proceso estará funcionando a un nivel
de calidad menor que el que tenía originalmente.

Tipos de Gráficos de Control.

Entre los más comunes tenemos:

Gráficos de Elementos Xi
Gráficos de Variables Gráficos de Medias y Recorridos X – R
Continuas
Gráficos de Medias y Desviación Típica X - σ

2
 Gráficos de Defectuosos
Gráficos de Atributos Gráficos de Defectos
Gráficos de Deméritos
Gráficos Cusum.
Otros

Características de las Gráficas de Control para Variables Continuas.

a) La característica de calidad bajo estudio se registra utilizando algún instrumento o

dispositivo que permite cuantificar el valor observado.
b) Los valores de las características deben distribuirse normalmente.
c) Cada GC solo puede utilizarse para registrar una sola característica de calidad.
d) Brindan una amplia información sobre la característica de calidad sometida a estudio y
lo hacen de una manera cronológica.
e) Tamaño de muestra relativamente pequeños, en la práctica su selección es entre 2 y 25
unidades.

¿Cómo interpretar una gráfica de control?

Las siete herramientas estudiadas, se deben de utilizar como elementos de juicio para tomar
decisiones, de tal manera que la información que recibimos del gráficos de control como el
X-R, nos va a indicar el estado de un proceso y nos va a revelar si existe alguna situación
anómala, para su posterior análisis y la eliminación de su origen. Un proceso que está
controlado quiere decir que es estable y que el promedio del proceso no cambia, a
continuación vamos a mostrar varias gráficas (patrones No Aleatorios) y la interpretación
que se puede hacer de ellas.

a) Fuera de los límites de control:

Las X fuera de los LC son señal de un cambio general que afecta a todas las piezas
posteriores al primer subgrupo fuera de los Límites. El registro que se guarda durante la
recolección de datos, la operación del proceso y la experiencia del trabajador deben
estudiarse para descubrir la variable que pudo haber causado que saliera de los LC. Las
causas comunes son un cambio en el material, el personal, la preparación de la máquina, el
desgaste de las herramientas, la temperatura o la vibración. (Juran Página 387, 388)

Las R fuera de los LC indican que la uniformidad del proceso ha cambiado. Las causas
comunes son un cambio en el personal, un aumento en la variabilidad del material o
desgaste excesivo en la maquinaria del proceso. En un caso, un aumento repentino en la R
advirtió sobre un accidente que pudo ocurrir. Una sola R fuera de control puede ser
causada por un cambio en el proceso ocurrido mientras se tomaba la muestra del subgrupo.
(Juran Página 387, 388)

3
 Esta es una situación en la
que los puntos están fuera
de los límites de control, y
por lo tanto el proceso no
está cumpliendo con lo
especificado.

b) Corrida: Esto pasa cuando las mediciones ocurren continuamente de un solo lado de la
línea central, y el número de puntos se le conoce como el largo de la corrida, puede ser
cualquiera de las siguientes situaciones:

§ Siete puntos consecutivos de un solo lado es anormal.

§ Si hay 10 puntos de 11 en un solo lado es anormal, lo mismo que si son 12 de 14, o 16 de
20 puntos consecutivos.

Una sucesión de puntos por encima ... ... o por debajo de la línea central.

4
c) Tendencia: Esto es cuando la lectura de los puntos forma una curva continua ya sea hacia
arriba o hacia abajo.

Una serie creciente de 6 ó 7 observaciones... .. o una serie decreciente.

d) Periodicidad: Cuando la curva muestra repetidamente la tendencia de subir y bajar en

los mismos intervalos, es indicación de proceso anormal.

e) Crónica: En este caso el proceso está fuera de control y necesita cambios radicales para
obtener alguna mejora. Muestra que el proceso no tiene capacidad de estar bajo control.

f) Esporádicos: Si existen picos ocasionales, el proceso no necesita cambios radicales, ya

que posiblemente las variaciones se debieron a causas especiales.

g) Cambio: Si existe un cambio radical en la tendencia del proceso, esto puede deberse a
alguna mejora, cambio de máquina, uso de procedimientos, es importante indicar las
fechas de los cambios ya que va a ser un elemento de comparación para el futuro.

Si no se descubren causas asignables entonces se adoptan los límites de control

calculados como definitivos, y se construyen las cartas de control con esos límites.

Procedimiento para el cálculo y establecimiento de las GC para variables.

1. Selección de las características de calidad a ser controladas. Considerar aquellas

características fundamentales basadas en las pérdidas económicas y que resultarían
de su comportamiento anormal en la afectación del producto.
2. Recopilación de la información. Se recomienda: número de muestras entre 25 y 30 y
tamaño entre 2 y 25. Tomar muestras a intervalos sucesivos y los datos deben
registrarse en el orden en que han sido medidos.
3. Cálculo de las medidas de ajuste y variabilidad para cada muestra.
4. Cálculo de los valores representativos de ajuste y variabilidad del total de la
información obtenida.
5. Cálculo de los límites de Control considerando el nivel de confianza decidido, en
función de las características del proceso productivo.
6. Eliminación de los valores que se encuentran fuera de los LC ya que se consideran
anormales y recalculo de los LC. Este recalculo se debe repetir hasta que todos los

5
 valores restantes de la información se encuentren dentro de los LC fijados (máximo
de la información que puede ser eliminada 40%)
7. Análisis económico de los LC calculados. Examinar críticamente la disposición de
los LC con respecto a las especificaciones de diseño. A veces estas especificaciones
son diseñadas de forma muy rigurosa y puede provocar el lanzamiento de productos
defectuosos. Los LC deben encontrarse dentro de las especificaciones, siempre que
estos estén estadísticamente fundamentados.
8. Implantación de las GC. Una vez que efectivamente los LC establecidos garantizan
el cumplimiento de las especificaciones de diseño y por lo tanto de la calidad del
producto, se procede a la implantación de los GC con su empleo sistemático y la
toma de medidas en el momento necesario.

Las etapas que deben tomarse en cuenta para mejorar el proceso están esquematizadas en la
siguiente figura:

6
Fórmulas.

Método Gráfico X Gráfico R Gráfico σ

(Tendencia Central) (Variabilidad) (Variabilidad)
Línea Central = d2σ Línea Central = c2σ
μ y σ conocidos o Línea Central = μ
LCS = D2σ LCS = B2σ
supuestos LC = μ ± Aσ
LCI = D1σ LCI = B1σ
Línea Central = R
μ y σ estimados a Línea Central = X
LCS = D4R
partir de X y R LC = X ± A2R
LCI = D3R
Línea Central = S
μ y σ estimados a Línea Central = X
LCS = B4S
partir de X y S LC = X ± A1S
LCI = B3S

S = ΣSi/N R = ΣRi/N Cuando n ≥ 15 se emplea los Gráficos X y S

N: Numero de
A, A1, A2 Constantes que depen- A = 3/√n muestras.
D1, D2, D3, D4 den del tamaño del n: Tamaño de
B1, B2, B3, B4 subgrupo. muestras
d2 y c2

Gráficos de Elementos (Tamaño de muestra es 1)

μ y σ conocidos o supuestos
μ y σ desconocidos
Línea Central = μ
LC = μ ± 3σ
Línea Central = X
σ = S/c2 = R/d2
LC = X ± 3σ

El siguiente ejemplo enseña cómo utilizar estas gráficas.

Se pide construir y analizar los gráficos de elementos, medias y recorridos a partir de la

información que se presenta en la tabla referidas al espesor de unas arandelas de presión
utilizadas en la fijación ensambles en diversos de equipos. Los valores dados se encuentran
codificados para facilitar las operaciones, se supone que el espesor de las arandelas sigue
una distribución normal.

Hora 8:00 8:30 9:00 9:30 10:00 10:30 11:00 11:30 12:00 12:30
X1 3 3 5 7 7 4 5 6 5 5
X2 4 6 2 5 3 4 6 4 5 2
X3 8 6 5 4 6 3 4 6 6 5
X4 4 8 6 4 5 6 6 4 4 3
ΣX
X
R

7
Las especificaciones (valores codificados) para el espesor de las arandelas del problema 4
son: 5.0 ± 2.0 ¿Cuántas arandelas no cumplen con la especificación inferior? ¿Cuántas
arandelas no cumplen con la especificación superior? ¿Cuánto es el total que no cumplen
con las especificaciones?

8
SOLUCIÓN.

ΣX 19 23 18 20 21 17 21 20 20 15
X 4,75 5,75 4,5 5 5,25 4,25 5,25 5 5 3,75 48,5 4,85
R 5 5 4 3 4 3 2 2 2 3 33,0 3,3

Grafico de Elementos
Espesor de arandelas

9,66

4,85

0,04
1 4 7 10 13 16 19 22 25 28 31 34 37 40

Grafico de medias
Espesor de las

7,26
arandelas

4,85

2,44
1 2 3 4 5 6 7 8 9 10
Tiempo

Grafico de Recorrido

6,6
Recorridos

3,3

0
1 2 3 4 5 6 7 8 9 10
Tiempo

9
Capacidad de Proceso.

Una vez que hayamos comprobado que el proceso está bajo control, estaremos interesados
en saber si es un proceso capaz, es decir, si cumple con las especificaciones técnicas
deseadas.

La habilidad de un proceso es el rango de variación que, en condiciones normales, un

proceso tiene debido a las variables accidentales y proporciona una predicción cuantitativa
de que tan adecuado es un proceso.

Fórmula estandarizada.

La fórmula para la HP que más se usa es HP = ± 3σ (un total de 6 σ) = Tn (tolerancia

natural)

En donde σ: desviación estándar del proceso cuando el mismo se encuentra en estado de

control estadístico, es decir sin la influencia de fuerzas externas o cambios repentinos. Si el
proceso está centrado en la especificación nominal y sigue una distribución de probabilidad
normal, 99.73% de la producción caerá a menos de 3σ de la especificación nominal.

Relación con las tolerancias del producto.

Una comparación de la variación entre 6σ (Tn) y los límites de la tolerancia

(especificación) permite un cálculo rápido del %de unidades defectuosas, mediante la teoría
estadística. Quienes planean intentan seleccionar procesos que tengan las 6σ de la habilidad
del proceso dentro de la amplitud de la tolerancia. Una medida de esta relación es la tasa de
habilidad: Cp = Rango de especificación / Habilidad del proceso.

Cp = LES – LEI / 6σ = Te / Tn

El Cp mide la habilidad potencial, suponiendo que el promedio del proceso es igual al

punto medio de los límites de especificación y que el proceso está operando bajo control
estadístico. En principio, para que un proceso sea considerado capaz, su variación actual no
debería representar más del 75% de la variación permitida.

Este indicador no resulta adecuado, cuando los límites de tolerancia se encuentran

desfasados hacia la derecha o la izquierda, con respecto al promedio total. Se hace entonces
necesario considerar otros indicadores:

A continuación se muestran algunas referencias sobre cuándo usar cada uno de los índices:

ÍNDICE USO DEFINICIÓN FORMULA

Cp El proceso está Es el radio entre la amplitud (LES – LEI) / 6σ
centrado en los límites permitida (distancia entre los
de especificación límites de especificación) y la
amplitud natural

10
Cpk El proceso no está Es el cociente entre la amplitud Min{CPS, CPI}
centrado en los límites permitida y la amplitud natural,
de especificación, teniendo en cuenta la media del
pero está contenido en proceso respecto al punto medio de
ellos ambas límites de especificación
CPS El proceso sólo tiene (LES - µ) / 3σ
un límite de
especificación
superior
CPI El proceso sólo tiene (µ - LEI) / 3σ
un límite de
especificación inferior

Así, para calcular los estadísticos Cp, Cpk, CPS, y CPI, se estima la variación (a corto
plazo) a partir de la variación dentro de los subgrupos, pero no se consideran las diferencias
entre los distintos subgrupos. Por tal motivo, estos índices representan la capacidad
potencial, ya que estiman la capacidad del proceso bajo la hipótesis de que no existen
diferencias entre las medias de los subgrupos.

Los índices de capacidad son estimaciones numéricas de la capacidad del proceso, es decir,
nos dan una idea de cuán capaz es el proceso (a qué nivel cumple con las especificaciones).
Estos estadísticos son muy útiles ya que, aparte de ser sencillos de calcular, no tienen
unidades de medida, por lo que permiten comparar distintos procesos.

Es importante recordar que para interpretar correctamente estos estadísticos es necesario

que: (1) los datos se han obtenido a partir de un proceso bajo control, y (2) éstos siguen una
distribución aproximadamente normal.

Cuando se tiene un proceso que es incapaz de asegurar que la mayoría de su producción

esté dentro de especificaciones, se pueden tomar diferentes medidas, como pueden ser:

1. Cambiar el proceso por uno que sea capaz de satisfacer completamente las
especificaciones.
2. Proceder a una inspección 100% para separar los productos defectuosos (costo de
inspección muy reducido) para luego:
a) Buscar mercados alternos en los que se puedan vender los productos defectuosos
a menor precio.
b) Reprocesar los productos defectuosos.
3. Ampliar las especificaciones de diseño.
4. Dejar el proceso tal como está, sin variar nada, esto se hace en los casos en donde las
razones económicas lo justifiquen tales como:
- Costo de producción muy bajo.
- Costo de inspección relativamente alto.
- Costo de una unidad defectuosa bajo.

Ejemplo. Tome los datos del problema de ejemplo, referidos al espesor de unas arandelas
de presión utilizadas en la fijación ensambles en diversos de equipos. Realice las

11
suposiciones correctas y determine la Tn, la Te y el Cp e interprete el significado de cada
uno.

12
Gráficos de Control por Atributos (GC de defectuosos: np.%p y p)

Muchas características de calidad se evalúan dando resultados como: conforme o

disconforme, defectuoso o no defectuoso. Estas características de calidad se conocen como
atributos.

Supongamos un proceso que fabrica tornillos. Una manera de ensayar cada tornillo sería
probarlo con una rosca calibrada. El resultado de este ensayo sólo tiene dos posibles
resultados: Defectuoso-No Defectuoso (ó Conforme-Disconforme ). Si el tornillo no entra
en la rosca, se lo considera defectuoso o disconforme. Para controlar este proceso, se puede
tomar una muestra de tornillos n = 50 tornillos (por ejemplo), y contar el número de
defectuosos presentes en la muestra.

La variable aleatoria número de defectuosos es una variable aleatoria discreta, porque

puede tomar un número finito de valores, o infinito numerable. Los gráficos np se utilizan
para controlar el número de defectuosos en una muestra.

Este resultado se anota en un gráfico hora por hora y se denomina gráfico np.

Si se tomara del proceso un sólo tornillo ¿Cuál es la probabilidad de que sea defectuoso?
Imaginando la población de tornillos que podría fabricar el proceso trabajando siempre en
las mismas condiciones, una cierta proporción p de estos serían defectuosos. Entonces, la
probabilidad de tomar un tornillo y que sea defectuoso es p.

En una muestra de n tornillos, la probabilidad de encontrar: 0 defectuosos, 1 defectuoso, 2

defectuosos, n defectuosos está dada por una distribución binomial con parámetros n y p.
Como sabemos, el promedio de la población es p y la varianza es np (1-p).

Características más resaltantes de estos gráficos.

a) La cantidad de elementos o muestras que nos permite inferir estadísticamente en el

proceso es mucho mayor que por variables.

b) Generalmente es más económico, pues los gastos de administración, computación,

inspección etc son menores que por variables.

13
 c) Es psicológicamente más efectivo que por variables, ya que refleja evidentemente
los cambios de calidad a través de un solo índice, y es más fácilmente comprensible,
y aceptado por los trabajadores y la dirección.

d) La información que brinda sobre la calidad del producto es pobre e inferior que por
variables.

e) No es utilizable en fábricas de corridas de producción pequeñas.

Procedimiento para el establecimiento de los Gráfico de Control para Atributos.

1. Definir la característica de calidad (atributo) que se desea analizar. Olor, sabor,

medida específica, etc. Lo tiene o no lo tiene.

2. Seleccionar un número N de muestras (N ≥ 20 ó 25). Seleccionar un tamaño de la

muestra n (n ≥ 50 ó 60 elementos) En caso de inspección al 100% se toman generalmente la
producción de una hora, un día, una semana o aun más manteniendo el orden cronológico.

3. Cálculo de la línea central.

4. Análisis del tamaño de la muestra, con vista a determinar el uso de límites de

control constantes (tamaño de n constante) o variables (tamaño de n variable).

5. Cálculo del los límites de control del proceso. Dado que se está realizando el
análisis de los atributos (se tiene o no se tiene) se utiliza una distribución binomial para
calcular los límites de control.

6. Analizar el comportamiento del proceso de acuerdo con la gráfica y sacar

conclusiones. Eliminar los valores que se encuentran fuera de control. Esto en la práctica se
traduce en identificar y eliminar las causas asignables o atribuibles del proceso.

7 Recalcular las líneas del para el grafico de control, hasta que se cumpla la
condición de que todos los valores estén bajo control.

8. Comparar el proceso con los límites de especificaciones. Para determinar si los

límites establecidos resultan económicamente satisfactorios.

9. Empleo sistemático del Grafico de Control, tomando las medidas oportunas en

cada caso.

14
Fórmulas.

Gráfica de Parámetros de la Distribución

Control
p y q conocidos o supuestos p y q desconocidos

Fracción de p (1 − P ) p (1 − P )
LC = p ± 3 LC = p ± 3
defectuosos “p” n n

Número de
LC = np ± 3 np (1 − p ) LC = np ± 3 np (1 − p )
defectuosos “np”

Porcentaje de 100 p (100 − 100 p )

LC = 100 p ± 3 100 p (100 − 100 p )
defectuosos n LC = 100 p ± 3
“%p” n

_
El gráfico np: se usa cuando el tamaño de las muestras p = No de defectuosos
utilizadas permanece constante. No de inspeccionados

Caso tamaño de muestra variable.

Los límites de control variables tienen la desventaja de que se requiere de cálculos

especiales cada vez que se va a plotear un punto en el gráfico de control. Derivado de la
práctica se emplea un criterio para simplificar su uso, basado en la relación:

(nmax – nmin )/ n ≤ 0.25

así en la fórmula para los límites de control se sustituye la “n” por la “n media” que surge
de todas las muestras agrupadas en el criterio anterior. Desde luego que en el análisis de los
resultados obtenidos del gráfico estaremos introduciendo errores en la apreciación,
producto de tomar esta “n media”, sin embargo, se recomienda su utilización basado en el
criterio económico y de simplificación de los gráficos. En el caso de que la condición no se
cumpla se recomienda establecer zonas de tamaño de muestras que cumplan con el criterio
planteado.

Después en el trabajo práctico, al tomar e ir a registrar una muestra, se le sitúa en sus

correspondientes límites. Es conveniente señalar que a pesar de la existencia de límites
variables, la línea central del gráfico, calculada sobre la base de una recopilación previa de
información, permanece constante.

15