Unidad # 2: Cartas de control para

variables
INTRODUCCIÓN AL CONTROL ESTADISTICO DE
PROCESOS (SPC)

• El SPC (por sus siglas en ingles) es

un menú de herramientas
destinadas a alcanzar la calidad total de
los productos.

• El SPC puede aplicarse a cualquier

proceso. Algunas de sus principales
herramientas son:
 INTRODUCCIÓN AL CONTROL
ESTADISTICO DE PROCESOS (SPC)

El histograma
La gráfica de Pareto
El diagrama de causa-efecto
El diagrama de dispersión
La carta de control
El diseño de experimentos
El muestreo para aceptación
 Variabilidad Natural

En cualquier proceso (de producción

manufacturero, administrativo, medición
en laboratorio) independientemente de lo
adecuado que sea su diseño o de la
atención que se preste a su
mantenimiento, siempre existirá cierta
variabilidad natural.
 Variabilidad Natural
Las causas que producen esta
variabilidad se denominan fortuitas y
un proceso que opera de esta manera
se dice que está bajo control
estadístico.
 Variabilidad atribuible
Pero en ocasiones existe otra clase de
variabilidad, que es de mayor magnitud
que la anterior y pone al proceso fuera
de control estadístico.

Las causas que provocan esta

situación se denominan atribuibles o
asignables.
 Variabilidad atribuible
Tres son las fuentes fundamentales de
las causas atribuibles:

• Ajuste incorrecto de máquinas,

equipos, instrumentos.
• Errores de operarios.
• Materia prima o insumos
defectuosos.
 Procesos dentro de control

Con frecuencia, los procesos de

producción operarán en el estado bajo
control, produciendo productos
aceptables durante periodos
relativamente prolongados.
 Procesos fuera de control
Con el tiempo, sin embargo ocurren
causas asignables, aparentemente al
azar, que ocasionarán un corrimiento a
un estado fuera de control en el que
una proporción mayor de la salida del
proceso no cumplirán con los
requerimientos.
 Objetivo del SPC
Uno de los objetivos fundamentales del
SPC es detectar con rapidez la
ocurrencia de causas asignables, con
la finalidad de realizar investigaciones
y emprender las acciones correctivas,
antes de que se produzcan muchas
unidades defectuosas.
 Que es la carta de control

La carta de control es una técnica de

monitoreo de procesos en línea que
se usa ampliamente para este fin
(detectar causas asignables).
 Que es la carta de control

Las cartas de control también

pueden usarse para estimar los
parámetros del proceso de
producción y para determinar con
esta información la capacidad del
proceso.
 Meta del SPC
Asimismo la carta de control puede
ofrecer información útil para mejorar los
procesos.

Por ultimo recuérdese que la meta ultima

del SPC es eliminar la variabilidad del
proceso.
 Meta del SPC

Tal vez no sea posible eliminar

por completo la variabilidad, pero la carta
de control es una herramienta efectiva
para reducir la misma.
 Resumiendo.
Las cartas de control constituyen la
herramienta más potente para
controlar en tiempo real un proceso,
es decir que es un control en línea, en
el mismo momento que se están
desarrollando los procesos.
 Usos de la carta de control
La carta de control posee tres usos
fundamentales:

• Reducción de la variabilidad del

proceso.
• Monitoreo y vigilancia del proceso.
• Estimación de los parámetros del
proceso
 Forma de la carta de control

Una carta de control típica consta de

tres líneas.

Posee una línea central, que

representa el valor promedio de la
característica de calidad que se está
monitoreando y que corresponde al
estado bajo control.
 Forma de la carta de control
También se observan dos líneas
horizontales, llamadas el límite superior
de control y el límite inferior de control.

Estos límites se eligen de manera tal que

si el proceso se halla bajo control
estadístico, casi todos los puntos
muestrales se localizarán entre ellos.
 Límites de control
Los límites de control se ubican por
lo general, tres desviaciones
estándar por arriba de la línea
central y tres desviaciones
estándar por debajo de la línea
central.
 Límites de advertencia
Para aumentar la sensibilidad de una
carta de control, pueden agregarse dos
líneas horizontales. Una superior a dos
desviaciones estándar de la línea
central y otra inferior a dos
desviaciones estándar de la línea
central.
 Forma de la carta de control
Los puntos muestrales se ubican en función
del tiempo, es decir la carta de control es
una serie de tiempo.

Es costumbre unir los puntos muestrales de

la carta de control con segmentos de línea,
a fin de facilitar la visualización de la
evolución con el tiempo de la secuencia de
puntos
 Carta de control

Densidad
0,95

0,94 UCL=0,94079

0,93

0,92
Valor individual

0,91
_
X=0,903
0,90

0,89

0,88

0,87
LCL=0,86521
0,86
1 3 5 7 9 11 13 15 17 19
Observación
 Carta de control
Si todos los puntos graficados se
hallan dentro de los límites de control y
los mismos aparecen de forma
aleatoria, se supone que el proceso se
halla dentro de control y no es
necesaria ninguna acción correctiva.
 Aleatoridad

Decimos que los puntos aparecen en

forma aleatoria cuando se ubican uno
abajo, seguido de otro arriba de la
línea central o viceversa.
 Proceso fuera de control
Si se localiza un punto fuera de los
límites de control, se considera que el
proceso se halla fuera de control
Esta situación amerita una
investigación para hallar la causa
atribuible o asignable que produce esta
salida de control.
 Correción

Corregida la causa se supone que el

proceso volverá a estar dentro de
control.
 Proceso fuera de control

Incluso si todos los puntos graficados se

hallan dentro de los límites de control
pero no se comportan de manera
aleatoria, esta situación puede ser el
indicio de que el proceso se halla fuera
de control estadístico.
 Carta de control
En la carta de control presentada se
observan muchos puntos debajo de la
línea central y luego muchos puntos
consecutivos por encima de la línea
central, lo cual supone un
comportamiento no aleatorio
 Probabilidad
Si la característica de calidad que
estamos monitoreando tiene una
distribución de probabilidad normal, la
probabilidad de que aparezca un punto
por debajo o por arriba de la línea
central, es 0,5.
 Probabilidad
La probabilidad de que aparezcan
cinco puntos consecutivos por encima
o por debajo de la línea central es
(asumiendo que son independiente
;(0,5)5 lo que constituye una
probabilidad muy baja y no puede ser
atribuido al azar.
 Carta de control y prueba de hipótesis

Existe una estrecha relación entre las

cartas de control y una prueba de
hipótesis.
Si un punto muestral cae dentro de los
límites de control, se acepta la
hipótesis nula de que µ=µo
 Carta de control y prueba de hipótesis

Si un punto cae fuera de los limites

de control se acepta la hipótesis
alternativa, es decir µ ≠ µo
 Errores que pueden cometerse en una carta de control
Cuando el proceso está dentro de control
existe una pequeña probabilidad de que un
punto caiga fuera de los límites.

Si la media de la característica de calidad

que se monitorea, no ha cambiado pero un
punto cae fuera de los límites, se considera
que el proceso está fuera de control, cuando
en realidad el proceso se halla dentro
de control,
Esta situación recibe el nombre de falsa alama
 Error tipo I
En esta situación estaríamos cometiendo
un error tipo I, es decir rechazar la
hipótesis nula, cuando es verdadera.

Este error también recibe el nombre de

riesgo del productor, ya que
rechazaríamos el producto cuando en
realidad éste está dentro de
especificaciones.
 Error Tipo II
También puede ocurrir que habiendo un
cambio en el parámetro que se monitorea,
el punto muestral cae dentro de los límites
de control.
En este caso no nos daríamos cuenta del
cambio y aceptaríamos la hipótesis nula
cuando esta es falsa.
Por lo tanto estamos cometiendo un error de
tipo II.
 CARTAS DE CONTROL PARA VARIABLES

Muchas características de calidad pueden

expresarse en términos de una medición
numérica.
Por ejemplo el diámetro de un rodamiento,
la viscosidad de un polímero o la
concentración de un contaminante en la
fabricación de un producto químico.
 Variables

A una característica de calidad

susceptible de medición se le
llama variable
Cuando se trata con una característica
de calidad que es una variable, por lo
general es conveniente monitorear tanto
el valor medio de la característica de
calidad como su variabilidad.

El control del promedio se hace con la

carta de media o carta x
La variabilidad del proceso puede
monitorearse con una carta de control
para la desviación estándar, llamada
carta S o bien con una carta de control
para el rango, llamada carta R
La carta R es adecuada cuando los
tamaños de la muestra son iguales
o menores que 7.

En otro caso, pierde eficiencia y se

usa la carta S.
 Cartas de control para x y R

Supongamos que una característica de

calidad tiene una distribución normal
con media  y desviación estándar 
donde ambas son conocidas.
 Cartas de control para x y R

Si , x1, x2 …xn es una muestra de

tamaño n ,entonces el promedio de esta
muestra es

x1  x2 ...  xn
x
n
 Cartas de control para x yR
A partir del Teorema Central del Límite, se
conoce que x sigue una distribución
normal con media 

y desviación estándar  x 
n
 Cartas de control para x yR

Además la probabilidad es de 1   , de que

cualquier media muestral se localice entre


  Z / 2 x    Z / 2
n

  Z  / 2 x    Z  / 2
n
Por lo tanto, si µ y σ son conocidas, las
ecuaciones vistas podrían usarse como
límites de control superior e inferior en una
carta de control para las medias
muestrales.

Se acostumbra sustituir Z  / 2 por el

valor 3, a fin de trabajar con límites tres
sigmas.
Si la media de una muestra se localiza
fuera de estos límites, se trata de un
indicio de que la media del proceso ha
dejado de ser igual a µ
 Cartas de control para x y R cuando no se conocen
los valores de la media y la desviación estándar
poblacionales
En la práctica generalmente no se conocen
los valores de la media y la desviación
estándar .
Por lo tanto, deben estimarse a partir de la
muestra o subgrupos preliminares tomados
cuando se considera que el proceso está bajo
control.

En general estas estimaciones deben basarse

en al menos 20 o 25 muestras
Cuando no se conocen µ y σ
 Cuando no se conocen µ y σ
los promedios de cada muestra.
Entonces el mejor estimador de µ , el
promedio de la población, es el gran
promedio,

x1  x 2  ...xm
x
m
Entonces x
se usará como línea central de la
carta de control
 Estimación de la desviación estándar

Para construir los límites de control, es

necesaria una estimación de la
desviación estándar .

Esto puede hacerse a partir de las

desviaciones estándar o bien de los
rangos de las muestras.
 Estimación de la desviación estándar

Cuando los tamaños muestrales son

menores que 8, el método del rango
proporciona una buena estimación.

Para tamaños muestrales mayores que

8, se reemplazará por el método de las
desviaciones estándar.
 Cuando no se conocen µ y σ
El rango de la muestra es la diferencia
entre las observaciones mayor y menor
es decir
R  xmax  xmin

Sean R1 , R2 ,...Rm los rangos de las m

muestras. El rango promedio es:
R1  R2  ...Rm
R
m
Estimador insesgado de σ
 Límites de control tres sigmas

Podemos calcular los límites de control

como:
 R
LSC  x  3 x  x  3  x3
n d2 n

 R
LIC  x  3 x  x  3  x 3
n d2 n
 Limites de control tres sigmas

Si se define 3
A2 
d2 n
La expresión de los límites y la línea
central queda
LSC  x  A2 R
LC  x
LIC  x  A2 R
 Límites de control de la carta R

La línea central de la carta R es el

rango medio R

El Límite Superior de Control es:

LSC  R  3 R
 Límites de control de la carta R

Se sabe que  R  d3

LSC  R  3 R  R  3d3 
R  3d3 
R  3d 3  R1  
d2  d 2 
 Límites de control de la carta R

3d 3
Si llamamos D4  1 
d2

LSC  RD4
 Límites de control de la carta R

Para el Limite Inferior de Control

LIC  R  3 R  R  3d 3 
R  3d 3 
R  3d 3  R1  
d2  d2 
 Límites de control de la carta R

Si llamamos a

3d 3
D3  1 
d2

LIC  RD3
Resumiendo: limites de control para la carta R

LSC  RD4
LC  R
LIC  RD3
 Limites de control de prueba

Cuando se utilizan muestras preliminares

para construir las cartas de control x y
R, se acostumbra tratar los límites de
control obtenidos como límites de
control de prueba.

Permiten determinar si el proceso se

encontraba bajo control cuando se
seleccionaron la m muestras iniciales.
Para probar la hipótesis del control
pasado, se grafican los valores de x
y R de cada muestra en las cartas y
se analiza la representación
resultante.
Si todos los puntos se localizan dentro
x
de los límites de control y no es
evidente ningún comportamiento no
aleatorio, se concluye entonces que el
proceso se encontraba bajo control en
el pasado y los límites de control de
prueba son apropiados para controlar la
producción actual o futura.
 Uno o más de los valores de o de R se
localizan fuera de los límites

Para cado uno de los puntos que quedan

fuera de los límites de control es
necesario buscar una causa atribuible o
asignable.

Si se encuentra la causa asignable, se

soluciona y se supone que no va a
producirse en el futuro.
 Uno o más de los valores de o de R se localizan fuera
de los límites

Luego hay que recalcular los límites de

control y observar si otro punto ha salido
de control ya que generalmente luego de
eliminar un punto fuera de control, los
límites serán más estrechos.
.
Si otro punto sale de control, se vuelve
a analizar si hay una causa asignable.

Esto se realiza hasta que todos lo

puntos estén dentro de control.

Si no se halla una causa asignable, el

punto se conserva.
 Ejemplo:

Ciertas piezas de polipropileno

manufacturadas por un proceso de
moldeo de inyección se someten a una
prueba de resistencia a la compresión.
Se colectan 20 muestras de cinco
partes cada una y las resistencias a la
compresión ( en psi) se presentan en
la tabla siguiente
 Ejemplo:
• Mue X1 X2 X3 X4 X5 xi Ri Si
• 1 83,0 81,2 78,7 75,7 77,0 79,1 7,3 2,98948
• 2 88,6 78,3 78,8 71,0 84,2 80,2 17,6 6,64771
• 3 85,7 75,8 84,3 75,2 81,0 80,4 10,5 4,79218
• 4 80,8 74,4 82,5 74,1 75,7 77,5 8,4 3,88265
• 5 83,4 78,4 82,6 78,2 78,9 80,3 5,2 2,49399
• 6 75,3 79,9 87,3 89,7 81,8 82,8 14,4 5,77754
• 7 74,5 78,0 80,8 73,4 79,7 77,3 7,4 3,22289
• 8 79,2 84,4 81,5 86,0 74,5 81,1 11,5 4,53398
• 9 80,5 86,2 76,2 74,1 80,2 77,4 22,1 4,64790
• 10 75,7 75,2 71,1 82,1 74,3 75,7 11,0 4,01024
• 11 80,0 81,5 78,4 73,8 78,1 78,4 7,7 2,89016
• 12 80,6 81,8 79,3 73,8 81,7 79,4 8,0 3,31104
• 13 82,7 81,3 79,1 82,0 79,5 80,9 3,6 1,56589
• 14 79,2 74,9 78,6 77,7 75,3 77,1 4,3 1,94242
• 15 85,5 82,1 82,8 73,4 71,7 79,1 13,8 6,14207
• 16 78,8 79,6 80,2 79,1 80,8 79,7 2,0 0,81240
• 17 82,1 78,2 75,5 78,2 82,1 79,2 6,6 2,85079
• 18 84,5 76,9 83,5 81,2 79,2 81,1 7,6 3,10532
• 19 79,0 77,8 81,2 84,4 81,6 80,8 6,6 2,54951
• 20 84,5 73,1 78,6 78,7 80,6 79,1 11,4 4,11764
 Cartas
Gráfica de control
Xbarra-R de X1. .... X5
85,0 U C L=84,68
M edia de la muestr a

82,5
• 1
__
80,0
X=79,43

77,5

75,0
LC L=74,18
1 3 5 7 9 11 13 15 17 19
Muestr a

20
U C L=19,25
Rango de la muestr a

15

10 _
R=9,11

0 LC L=0
1 3 5 7 9 11 13 15 17 19
Muestr a
 Estimación de la capacidad del proceso

A partir de los datos de la carta de

control puede estimarse la llamada
capacidad del proceso y la proporción
de elementos defectuosos que este
proceso puede producir.
 Estimación de la capacidad del proceso

De la carta R podemos obtener el

Rango medio y a partir de este estimar
la desviación estándar de la población

R 9,11
   3,93
d 2 2,326
Estimación de la capacidad del proceso

88 70
Cp   0,76
6.3,92
 Conclusiones
Generalmente se recomienda para la
Cp un valor de 1,33 o más, con la
finalidad de no tener muchos
elementos defectuosos en la
población.
 Conclusiones

El valor obtenido es muy bajo, con lo

cual se debe trabajar sobre el
proceso con la finalidad de disminuir
la variabilidad y aumentar la
capacidad del proceso.
 Proporción de elementos defectuosos
También se puede calcular la proporción
de elementos defectuosos. Suponemos
que la distribución de resistencia a la
compresión de la pieza es normal.
La media de la resistencia se obtiene de
la carta X media.
Sabemos que µ= 79,43 psi y σ = 3,93
psi
Proporción de elementos defectuosos
 Proporción de elementos defectuosos

p  0,00714  0,0146  0,021

 Proporción de elementos defectuosos

Cada 1000 piezas, 21 estarán

fuera de especificación.
Diseño de la carta de control
 Diseño de la carta de control
Si uno de los objetivos de la carta que
se está usando es detectar
corrimientos de moderados a grandes
de la media (μ) en el proceso (por
ejemplo en el orden de 2σ o mayores),
muestras pequeñas de tamaño n= 4, 5,
o 6 son razonablemente efectivas.
En cambio, si se desea detectar
cambios pequeños en la media del
proceso, deberán usarse tamaños
muestrales entre 15 y 25.
 Curva característica de operación
(Curva CO)
La curva CO es una gráfica donde se
coloca en ordenadas el error tipo II y en
abscisas distintos valores que puede
tomar la media del proceso o distintos
valores de cuantas desviaciones estándar
se desvía la media del valor original.
Se grafica para distintos valores del
tamaño de la muestra.
 Usos de la curva CO

Fundamentalmente la curva CO se usa

para elegir el tamaño de la muestra
que debe usarse para cometer como
máximo un determinado error tipo II
ante un corrimiento crítico de la media
del proceso.
 Tamaño de la muestra

• Para elegir el tamaño de la muestra adecuado a nuestras necesidades, se

pueden utilizar las curvas características de operación .
Curva CO
 Amplitud de los límites
La utilización de límites de control de 3
sigmas es una práctica generalizada
que ha dado excelentes resultados. Sin
embargo esto puede modificarse
en función de la realidad del proceso.
Si el costo de investigación de las
falsas alarmas es muy alto, los límites
pueden hacerse de 3,5 sigmas por
ejemplo.
 Amplitud de los límites
Sin embargo, si el proceso tiene
características tales que las falsas
alarmas se investigan con facilidad y a
un bajo costo, se pueden utilizar límites
2,5 sigmas, que además nos darían la
ventaja de descubrir más rápido los
cambios en la media del proceso, es
decir se reduce el error tipo II.
 Frecuencia de muestreo
Con respecto a la frecuencia del
muestreo, la metodología perfecta
desde el punto de vista de la detección
de corrimientos sería tomar muestras
grandes con mucha frecuencia, sin
embargo, esto no es aplicable por
razones económicas.
 Frecuencia de muestreo
Una forma de compensar la situación
es tomar muestras grandes en
intervalos más amplios o muestras más
chicas en intervalos más pequeños. La
práctica actual en la industria tiende a
favorecer las muestras más pequeñas
en intervalos más cortos de tiempo
 Longitud media de carrera
Otra manera de evaluar las decisiones
respecto del tamaño de la muestra y la
frecuencia del muestreo es con la
longitud promedio de la corrida (ARL,
por sus siglas en ingles)de la carta de
control.
 Longitud media de carrera
En esencia, la LMC, es el número
promedio de puntos que deben
graficarse antes de que un punto
indique una condición de fuera de
control.
La longitud media de carrera puede
calcularse para un proceso dentro de
control o para un proceso fuera de
control.
 Longitud media de carrera

Como la distribución de probabilidad

de la LMC es geométrica, para su
cálculo utilizamos la media de esta
distribución.
 Proceso dentro de control
Si el proceso se halla dentro de control,
es decir el valor de la media no ha
cambiado, existe una pequeña
probabilidad de que un punto cualquiera
caiga fuera de los límites de control.
Esta situación amerita que se trate de
ubicar la causa que lo provoca, pero al
no existir una razón tecnológica, se
comete una falsa alarma.
Longitud Media de Carrera para proceso
dentro de control
 Longitud Media de Carrera para proceso
dentro de control

Donde p es la probabilidad de
ocurrencia de un éxito,
considerando como éxito que un
punto caiga fuera de los límites,
cuando el proceso se halla dentro
de control.
 Ejemplo

Como ejemplo, podemos considerar la

carta de control tres sigmas. En esta
carta p=0,0027, es la probabilidad de
que un punto se localice fuera de los
límites de control cuando el proceso
está bajo control. Por lo tanto, la
longitud promedio de corrida cuando el
proceso está bajo control
Ejemplo
 Falsa alarma

Esto también se denomina una falsa

alarma, ya que al tener un punto fuera
de los límites de control, se buscará
una causa atribuible pero ésta no
existe ya que el proceso se halla
dentro de control
longitud promedio de corrida cuando el
proceso está fuera de control
longitud promedio de corrida cuando el proceso
está fuera de control.
longitud promedio de corrida cuando el proceso
está fuera de control.
 Reglas de sensibilización para cartas de
control
Es posible aplicar varias reglas para
determinar si un proceso está fuera de
control.
Es decir que además que se presente un
punto fuera de los límites, existen otros
comportamientos que ameritan pensar
que el proceso está fuera de control
estadístico.
 Reglas de sensibilización para cartas de
control

Estas reglas se emplean para

aumentar la sensibilidad de las cartas
para detectar situaciones de fuera de
control.
 Reglas
a) Un punto por fuera de los límites de
control tres sigmas
b) dos de tres puntos consecutivos entre
los límites dos y tres sigmas.
c) cinco puntos consecutivos por encima
o por debajo de la línea central.
d) Seis puntos consecutivos que se
incrementan o se decrementan de
manera sostenida.
e) un patrón no aleatorio en los datos.
Patrones no aleatorios en las cartas de control
Una carta de control puede indicar una
situación fuera de control aun cuando
ningún punto esté fuera de los límites
tres sigmas.
Esta situación se presenta cuando los
puntos graficados muestran un patrón
de comportamiento que no es
aleatorio, es decir que es sistemático.
Patrones no aleatorios en las cartas de control
El análisis de los patrones no
aleatorios, es de interés para el
ingeniero de procesos ya que brindan
información sobre las propiedades del
proceso y su correcta interpretación
ayuda a disminuir la variabilidad del
mismo.
 Interpretación de las cartas de control

Para interpretar patrones en una carta es

necesario determinar primero si la carta R
está o no bajo control.

Muchas veces las causas asignables

aparecen tanto en la carta x como en
la carta R
Si las dos cartas muestran un patrón no
aleatorio, primero se eliminan las
causas asignables en la carta R.
En muchos casos esto conlleva a la
eliminación de las causas asignables de
la carta X media
Nunca deberá interpretarse lax carta
cuando la carta R muestre una
condición fuera de control.
 Patrones no aleatorios: Ciclos

Este patrón puede surgir de cambios ambientales

sistemáticos tales como la temperatura, fatiga del
operador, rotación regular de operadores y/o maquinas
o fluctuación en el voltaje o la presión o en alguna otra
variable del equipo de producción
 Patrones no aleatorios: Mezcla

Se habla de una mezcla cuando los puntos graficados

tienden a localizarse cerca o ligeramente afuera de los
límites de control, con relativamente pocos puntos cerca
de la línea central. Un patrón de mezclado es generado
por dos o mas distribuciones de distribución de
probabilidad
  
n 2
 xi  x
2
S  i 1
n 1
Si se cuenta con muestras preliminares,
cada una de tamaño n, y sea S i la
desviación estándar de la i-ésima
muestra, el promedio de las m (cantidad
de muestras) desviaciones estándar es:

1 m
S   Si
m i 1
• La línea central de la carta es S
• El límite superior es S  3 S

• El límite inferior es S  3 S
 1  c4
2

LSC  S  3 S  S  3 1  c4
2
LIC  S  3 S 
S
S  3 1  c4  S  3 1  c4
2 2

c4
Por lo tanto los parámetros de la carta S
pueden escribirse como

LSC  B4 S
LC  S
LIC  B3 S
Para calcular los límites de control de la
carta hay que tener en cuenta
que S es un estimador insesgado
C4

de σ .

Línea central:
x
 
a

S
LSC  x  3 x  x  3  x  3
n c4 n
 S
LIC  x  3 x  x  3  x 3
n c4 n
LSC  x  A3 S
LC  x
LIC  x  A3 S
 La carta de Control de Shewhart para mediciones
individuales

En muchas situaciones, el tamaño de

la muestra usado para monitorear el
proceso es igual a 1, es decir que la
muestra consta de un solo elemento.
 Carta para mediciones individuales
Algunos ejemplos de esta situación son:
1.Se usa tecnología de inspección y
medición automatizada, y se analiza
cada unidad manufacturada.
2.La velocidad de producción es muy
lenta, y no es conveniente dejar que
se acumulen tamaños de muestra
mayores que 1, antes del análisis.
 La carta de Control de Shewhart para mediciones
individuales

3.Las mediciones repetidas del proceso

difieren únicamente por el error de
medición o con más propiedad en la
incertidumbre de medición, como en
muchos procesos químicos.
 Rango móvil
Para estimar la variabilidad del proceso
se usa el rango móvil de dos
observaciones sucesivas
El rango móvil se define como:

MR  xi  xi 1
 Límites de control
Los límites de control de la carta de
mediciones individuales son

MR
LSC  x  3
d2
LC  x
MR
LIC  x  3
d2
a

Límites de control de la carta de rango móvil son

LSC  D4 MR
LC  MR
LIC  D3 MR
 Ejemplo

La viscosidad de una pintura tapaporos

para aviones es una característica de
calidad importante.
El producto se produce por lotes, y
debido a que la producción de cada lote
lleva varias horas, la velocidad de
producción es demasiada lenta para
permitir tamaños muestrales mayores
que uno.
 Ejemplo

En la Tabla se muestran la
viscosidad de 15 lotes anteriores
 Ejemplo
• Número de muestra Viscosidad Rango Móvil
• MR
• 1 33,75
• 2 33,05 0,7
• 3 34 0,95
• 4 33,81 0,19
• 5 33,46 0,35
• 6 34,02 0,56
• 7 33,68 0,34
• 8 33,27 0,41
• 9 33,49 0,22
• 10 33,20 0,29
• 11 33,62 0,42
• 12 33,00 0,62
• 13 33,54 0,54
• 14 33,12 0,42
• 15 33,84 0,72
•
 Límites de control de la carta de mediciones móviles
a

MR 0,48
LSC  x  3  33,52  3  34,80
d2 1,128
LC  x  33,52
MR 0,48
LIC  x  3  33,52  3  32,24
d2 1,128
 Límites de control para la carta de rangos
a

LSC  D4 MR  3,267.0,48  1,58

LC  MR  0,484
LIC  D3 MR  0
 Gráficade
Carta I-MR de C2
control
U C L=34,808
• a
34,5
V alor individual

34,0
_
33,5 X=33,522

33,0

32,5
LC L=32,236
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
O bser vación

1,6 U C L=1,580

1,2
Rango móvil

0,8
__
M R=0,484
0,4

0,0 LC L=0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
O bser vación
 Interpretación de las cartas para mediciones
individuales
Estas cartas pueden interpretarse en
forma muy parecida a una carta de
control ordinaria.
Un cambio en el promedio del proceso
resultará en un punto (o puntos) fuera de
los límites de control o bien en un patrón
no aleatorio representado por una corrida
ascendente o descendente.
 Fortalezas y debilidades de las cartas de
control tres sigmas

Estas cartas de control fueron las

primeras en diseñarse y se han
mantenido en uso a través del tiempo por
haber demostrado que pueden controlar
un proceso en tiempo real y en forma
bastante sencilla.

.
 Fortalezas y debilidades de las cartas de
control tres sigmas

Deben usarse siempre que la

característica de calidad tenga una
distribución de probabilidad normal y que
las muestras no presenten un
comportamiento correlacionado, es decir
que sean independientes unas de otras.

.
Fortalezas y debilidades de las cartas de control
tres sigmas
Estas cartas son eficientes para
detectar cambios en la media del orden
de 1,5 σ o más pero son ineficientes
para detectar cambios en la media
menores a esa magnitud.
Fortalezas y debilidades de las cartas de control
tres sigmas

Por otro lado tienen un longitud media

de corrida de 370, es decir que
tendremos una falsa alarma cada 370
puntos graficados.