Control Estadístico de Proceso

Gráficos de Control de Proceso

Valentina Castro Estrada
Daniela Moreno
Edier Andrés Valdés
Control Estadístico de Proceso
El objetivo del control estadístico de procesos (CEP) es obtener un proceso controlado usando
técnicas estadísticas para reducir la variación continuamente.

La reducción de la variación conduce a:

1. Mejorar la calidad;
2. Menores costos (residuos, desechos, reprocesos, reclamaciones, etc.);
3. Mejor comprensión de la capacidad del proceso.
¿Por qué es necesario el control estadístico de procesos?

Los procesos varían porque están sometidos a factores cambiantes cómo:

• Mano de obra
• Maquinaria
• Materia prima
• Media ambiente.

Estos factores pueden alterar la calidad de los productos, por lo que se

hace necesario tomar ciertas medidas que garanticen la estabilidad de los
procesos, con el fin de obtener un producto final dentro de los parámetros
de calidad establecidos.
Teoremas en los que se basa el control estadístico
En el control estadístico de procesos intervienen tres teoremas matemáticos básicos,

• Distribución normal o de Gauss, se utiliza para estimar el número de muestras que se

encuentran dentro de lo que se considera la norma. Su cálculo se realiza en función de dos
parámetros, la medida y la desviación típica. Este tipo de distribución se representa
gráficamente a través de la campana de Gauss.

• Teorema del Límite Central (TCM). Según este teorema, si existe un número considerable
de variables independientes que siguen un mismo modelo y ninguna predomina sobre las demás,
entonces la suma de todas estas variables tendrán una distribución normal o gaussiana.

• Distribución de las medias muestrales. Bajo esta teoría, al seleccionar una muestra de un grupo,
esta muestra seguirá una distribución normal, aun cuando el grupo seleccionado no sea igual que
el grupo base de referencia, eso sí, siempre que el tamaño del grupo de la muestra sea
suficientemente grande.
Conceptos básicos sobre control estadístico
Todo proceso está limitado por dos causas:
• Asignable: Hay una causa concreta que ocasiona la variación y se puede corregir
• Aleatoria: Son variaciones naturales que ocurren ocasionalmente en el proceso y son muy
difíciles de controlar

A través del control estadístico se analiza la información para detectar las causas asignables que
influyan en el proceso y predecir cuándo el producto puede verse realmente modificado.

• Capacidad de proceso: Todo proceso tiene siempre una capacidad, un margen dentro del cual se
encuentran los productos que son considerados como aceptables
• Variabilidad a corto plazo: representa la probabilidad de cambios presentes en
productos, denominado “ruido blanco”.
• Variabilidad total o a largo plazo o “ruido negro”: es aquella que resulta a lo largo de todo el
proceso.
• Gráficos de control: Existe una gran diversidad de gráficos que se pueden utilizar
para representar de manera gráfica los resultados del control estadístico de los procesos.
Gráficos de control
• Es una herramienta que muestra los valores producto de la medición
de una característica de calidad, ubicados en una serie de tiempo.
• Preferiblemente se selecciona una muestra de 30 datos
• Sirve como herramienta para saber si un proceso está o no bajo
control
Tipos de gráficos de control
• Gráfica X: Muestra la desviación de un
proceso con respecto a la media,
determinar la exactitud de un proceso.
• Gráfica R: En esta se plasman los rangos
de una muestra, determina la precisión
de un proceso.
• Gráfico p: Se mide el porcentaje de
defectos por muestra
• Gráfico np: Se mide el número de
unidades defectuosas en una muestra
• Gráfico c: Es el número de defectos por
unidad de producción.
Interpretación de un gráfico de control
Si se observa alguno de estos 7 comportamientos significaría que el proceso está
fuera de control:
• Cuando hay solo un punto fuera de control.
• Cuando hay dos de cada tres puntos sucesivos ubicados a un lado de la línea
central y más de dos desviaciones estándar alejados de esta línea.
• Cuando hay 4 de cada 5 puntos sucesivos ubicados a un lado de la línea central y
más de una desviación estándar alejados de esta línea.
• Cuando hay una serie de 8 puntos sucesivos ubicados a un lado de la línea
central, sin importar cuántas desviaciones estándar estén alejados de la línea
central.
• Cuando hay 6 puntos consecutivos ascendentes o descendientes.
• Cuando hay 14 o más puntos consecutivos cruzando la línea central de arriba a
abajo, sin que haya al menos 2 puntos sucesivos en un mismo lado.
• Cualquier patrón recurrente, puede ser considerado algo inusual
(estacionalidad).
Ejemplo de gráfico X
 σ25
1 𝑋𝑖 σ25
1 𝑅𝑖
• Se calcula la LC con la media de 𝑋= = 9,872 𝑅= = 8,076
25 25
los promedios muestrales
• Se calcula el promedio de los 𝐿𝐶𝑆 = 𝜇 + 𝐴2 ∗ 𝑅 = 15,76 𝐿𝐶𝐼 = 𝜇 − 𝐴2 ∗ 𝑅 = 3,98
rangos muestrales
• A2 es una constante obtenida de
tabla A2=0,729
• Se calcula el LCS y LCI
• Se grafican los promedios
muestrales con los límites de
control.
• Se analiza el gráfico con los
criterios descritos anteriormente.
• Se observa que el proceso está
bajo control porque no se
observan tendencias,
estacionalidades o puntos atípicos
en la gráfica
Referencias
• https://www.ecured.cu/Gr%C3%A1fico_de_control
• https://ingenioempresa.com/grafico-de-control/
• https://www.gestiondecalidadtotal.com/grafica_de_promedi
os.html
• https://www.datalyzer.com/es/conocimiento/cep/
• https://www.isotools.org/2015/04/10/el-control-estadistico-
de-procesos-conceptos-basicos/