Curso de Control Estadistico de Procesos Parte 2

CONTROL ESTADÍSTICO DE PROCESOS
GRAFICAS DE CONTROL:
Se utilizan para estudiar la variación de un proceso y determinar a qué obedece esta variación.
Un gráfico de control es una gráfica lineal en la que se han determinado estadísticamente un límite superior
(límite de control superior) y un límite inferior (límite inferior de control) a ambos lados de la media o línea
central. La línea central refleja el producto del proceso. Los límites de control proveen señales estadísticas para
que la administración actúe, indicando la separación entre la variación común y la variación especial.
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 muestra:
• Si un proceso está bajo control o no
• Indica resultados que requieren una explicación
• 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.
Este grafico puede ser de línea quebrada o de círculo. La línea quebrada es a menudo usada para indicar
cambios dinámicos. La línea quebrada es la gráfica de control que provee información del estado de un proceso
y en ella se indica si el proceso se establece o no. Ejemplo de una gráfica de control, donde las medidas
planteadas versus tiempo.
En ellas se aclara como las medidas están relacionadas a los límites de control superior e inferior del proceso,
los puntos afuera de los límites de control muestran que el control esta fuera de control.
Existe más de una manera para medir, evaluar y reaccionar a cambios en la calidad durante el proceso,
debemos usar más de un tipo de gráficas de control. Cuatro gráficas comúnmente usadas son: Gráficas c,
Gráficas p, Gráficas q, Gráficas X-R. Cada una tiene su propio uso especial y para nuestro caso pondremos,
más a las gráficas X − R y gráficas c.
Procesos Industriales Pagina 33 de 70

Elaborado por: Ing. Luis M. Mendoza Pinto
UNIDAD III
INTRODUCCIÓN:
Las cartas de control son métodos de graficación e interpretación de resultados obtenidos para los valores
característicos de una distribución de frecuencias. Como ya se ha mencionado previamente, existen 3 tipos de
datos a los que corresponden 2 tipos de cartas; cartas de control para datos variables y cartas de control para
datos por atributos. Los datos híbridos deberán tratarse como datos variables. Además, como se menciona en
la introducción, siempre que sea físicamente posible, deberán efectuarse mediciones y registros variables.
Previamente a la discusión de las cartas de control, es necesario establecer algunos conceptos que ayudarán
en su manejo.
El proceso deberá estar claramente definido, mediante las hojas de instrucción de operación correspondientes.
Asimismo, el método de inspección debe estar definido mediante hojas de instrucción de inspección. El flujo del
proceso debe estar adecuadamente definido. El operador y la gente que lo rodea o interactúa con el deben
estar perfectamente entrenados en los métodos de ejecución y medición del proceso, de manera que este se
lleve a cabo siempre de manera idéntica y no se tengan variaciones atribuibles a este concepto.
Se debe definir con precisión cuales características se manejan mediante cartas de control. Ello se determinara
conforme a lo siguiente:
En todos los procesos de manufactura existen patrones de variación. Los procesos fuera de control o inestables
que muestran variaciones debidas a causas especificas deben ser identificados, para determinar las causas,
implantar las soluciones y controlar y eliminar las principales causas de variación.
.En la fase preliminar a la manufactura de un producto se deberá efectuar estudios de potencial de sus
procesos para cumplir las especificaciones. Estos estudios deberán ser practicados para todas las
características identificadas como criticas o esenciales en los planos, especificaciones, normas o
procedimientos del cliente o identificados por acción conjunta del representante de cliente y el proveedor.
Los estudios se llevaran a cabo conforme a lo establecido en las cartas de control. Los factores bajo los que se
debe efectuar el estudio son los siguientes:
• Se recomienda tomar una muestra del 20% de una producción mínima de 300 piezas para la
recolección de datos.
• Las 300 piezas antes señaladas deberán ser producidas durante todos los turnos de fabricación
existentes.
• Se considerara aceptable el nivel de potencial cuando en los datos registrados, el intervalo,
[ µ − 3σ , µ + 3σ ] , este comprendido dentro del 75 por ciento de la tolerancia especificada, además de
estar centrado el proceso.
• Cuando existan especificaciones y procesos comunes entre un nuevo producto y otro ya en fabricación,
será posible tomar los datos de C.E.P. para el producto en vigor.
Los estudios efectuados para determinar la habilidad del proceso deberán continuarse por un lapso tal que
todas las variables que intervienen en el mismo hayan estado presentes. Se considera como regla general que
esto ocurre cuando se han coleccionado datos correspondientes a un mínimo de 30 días de producción, en
todos los turnos laborables en ese proceso.
Se considera aceptable el nivel de habilidad cuando en los datos registrados el intervalo, [ µ − 3σ , µ + 3σ ] , este
comprendido dentro de la tolerancia especificada; además de estar centrado el proceso, esto es, que la
condición observada durante el estudio de potencial ha demostrado ser permanente.

Además, se debe conocer adecuadamente la correlación que existe entre variables, de manera que se
seleccionen para su control aquellas cuya medición es más sencilla y significativa y en función de ella se
conozcan otras variables.
Las piezas que se verifiquen en las cartas de control deben venir de una misma Iínea. Esto es, cuando existan
equipos paralelos produciendo la misma característica, ésta debe registrarse en cartas individuales para evitar
confusiones. Consecuentemente, las piezas deberán ser acumuladas en contenedores o líneas separadas.
Las piezas deben ser acomodadas en los contenedores siguiendo siempre el mismo orden y las piezas que se
tomen como muestras deben ser marcadas, de manera que un lote de material pueda ser auditado en función
de las cartas de control correspondientes. Lo más práctico es tomar las piezas conforme van saliendo de las
maquinas.
En los temas siguientes se revisaran las cartas de control para datos variables y las relativas a control por
atributos, individualmente. Además, al final de esta unidad, se presenta una guía general para interpretación de
cartas de control
GRAFICOS DE VARIABLES
En la primera unidad de este curso definimos el concepto de variación, de la misma manera clasificamos los
diferentes tipos de variables. Todas esas fuentes de variación fluctúan de una forma natural o esperada, se
produce un patrón estable de muchas causas fortuitas (causas aleatorias) de variación. Las causas aleatorias
de variación son inevitables. Como son numerosas, e individualmente tiene relativamente poca importancia, son
difíciles de detectar o identificar. Las causas de variación que son de gran magnitud, y en consecuencia
1
fácilmente identificables, se clasifican como causas asignables . Cuando sólo hay causas aleatorias en un
proceso, se considera que el proceso está en control estadístico. Es un estado estable y predecible. Sin
embargo, cuando también está presente una causa de variación asignable, la variación será excesiva y se dice
que el proceso está fuera de control, o que se sale de la variación natural esperada.
Para indicar cuando las variaciones son observadas en la calidad son mayores que las que causaría la
casualidad, se usa el método de análisis y presentación de datos llamado grafico de control. El método de la
grafica de control para variables es un medio de visualizar las variaciones que se presenta en la tendencia
central y en la dispersión de un conjunto de observaciones. Es un registro grafico de la calidad de determinada
característica. Muestra si el proceso está o no en un estado estable.
Las graficas de control están compuestas por un conjunto de elementos que nos ayudaran a interpretarlas, la
primera de ellas es el valor que nos ayuda a interpretar el valor promedio, se coloca en la primera grafica, en la
segunda grafica se coloca los datos que nos ayudaran a analizar la dispersión. Cada grafica debe tener dos
líneas rectas, (en algunas ocasiones pueden ser más por la razón de los limites variables, debido a tamaños de
muestras variables) que representa los limites de control, uno superior y otro inferior, estos se establecen para
ayudarnos a juzgar la importancia de las variaciones en la calidad del producto o servicio. Existen diferentes
tipos de gráficos de control para variables, pero en este curso analizaremos los cuatro principales que se
2
utilizan en el control estadístico de proceso y que son recomendados por al AIAG , estos el grafico de
promedios y rangos, el grafico de promedios y desviaciones estándar, el grafico de medianas y rangos y
finalmente el grafico de individuos o rango móvil de tamaño de subgrupo 2. También cabe mencionar que estos
gráficos son los recomendados para cumplir los requisitos de ISO-9000.
1
W. Edwards Deming usa las palabras común y especial, en vez de aleatoria y asignable como vimos en la primera unidad.
2
Automotive Industry Action Group (Organismo que regula los estándares automotrices)
GRAFICAS X − R :
La gráfica X − R también conocida como Gráfica de Promedios y Rangos. El símbolo X se lee X- barra
y representa el promedio. El símbolo R representa el rango y es la diferencia entre la lectura más alta y la más
baja de la muestra.
El propósito de la Gráfica X y R es controlar una característica medida, como el ancho, el largo y/o el
calibre de un acero laminado (la lectura de una dimensión).
Consideramos los valores medidos en el ejercicio anterior, donde en nuestro histograma observamos,
que ya No estábamos respetando, el Limite Superior de Especificación y llegamos a dos conclusiones.
1. El proceso necesita centrarse, como observamos, en el histograma nos estamos saliendo del
L.S.E.
2. La dispersión del proceso es grande, existe demasiada variación en el proceso y debemos

tratar de reducirla al máximo.
Si tomáramos una acción correctiva para mejorar el proceso y logramos que el histograma se viera
como en la figura de abajo, nuestro trabajo siguiente seria asegurar que el proceso permaneciera de esa
manera.

HISTOGRAMA CON LIMITES DE ESPECIFICACION
LIMITE LIMITE
INFERIOR SUPERIOR
VALORES MEDIOS X
NOTA: SE HA TRAZADO UNA CURVA SOBRE EL HISTOGRAMA, PARA FORMAR LO QUE SE CONOCE COMO UNA CURVA NORMAL.
Precisamente para esto se utiliza la gráfica X – R, para detectar rápidamente un cambio en el promedio
de una distribución como se muestra con líneas punteadas en la siguiente figura:
CURVAS NORMALES MOSTRANDO CAMBIO EN EL PROMEDIO
LIMITE LIMITE
INFERIOR SUPERIOR
X1 X2
Si ocurre un cambio significativo en el promedio, vamos a tener debajo de la especificación (área

sombreada). Un cambio como este se detectaría en la gráfica de promedios y nos advertiría que el proceso
necesita corregirse. Otro tipo de cambio que puede dañar a la calidad en nuestro proceso es tener dispersión
(Rango), como se muestra en la siguiente pagina.
Esta gráfica nos muestra con las líneas punteadas un cambio en la dispersión (Rango) que originará
lecturas arriba como debajo de los límites de especificación.

CURVAS NORMALES MOSTRANDO CAMBIO EN EL RANGO
LIMITE LIMITE
INFERIOR SUPERIOR
X
Para dar seguimiento al proceso, podemos tomar diariamente una muestra grande y hacer un
histograma cada día, pero eso nos costaría muy caro y muy lento. La única información que obtendríamos es
que el proceso esta produciendo una calidad pobre.
Una gráfica X – R nos permite muestrear un proceso varias veces durante el día y actuar más
rápidamente cuan do las cosas van mal. Esta gráfica se compone realmente de dos gráficas una para el
promedio y otra para el rango. Enseguida se presenta un ejemplo de una gráfica X – R.
Sé esta realizando una operación en la cizalla No. 7, la medida solicitada de un acero laminado 1006,
se refiere al largo de dicho material que es de 25 ± 2 mm y se tomaron las siguientes muestras.
SUPERVISOR Gregorio González

FECHA: 28 de Julio de 2009
HORA: 9:30 10:30 11:30 12:30 13:30 14:30 15:30 16:30 17:30 18:30
1 25 22 23 25 29 23 19 20 24 26
2 22 25 19 28 26 24 25 21 25 25
3 30 24 25 22 32 26 22 25 24 25
4 26 26 24 27 28 25 23 23 21 26
5 22 23 25 22 33 22 26 24 22 22
TOTAL 125 120 116 124 148 120 115 113 116 124
PROMEDIO 25 24 23.2 24.8 29.6 24 23 22.6 23.2 24.8
RANGO 8 4 6 6 7 4 7 5 4 4
1.- Se calculan los promedios de las muestras de cada hora.
Hora Promedio X
09:30 = = 25
25 + 22 + 30 + 26 + 22
5
10:30 24
11:30 23.2
12:30 24.8
13:30 9.6
14:30 24
15:30 23
16:30 22.6
17:30 23.2
18:30 24.8
2.- Se calcula el promedio de los rangos de cada hora, restando el valor menor del mayor.

Hora Rango (Max –Min)
9:30 30 – 22 = 8
10:30 4
11:30 6
12:30 6
13:30 7
14:30 4
15:30 7
16:30 5
17:30 4
18:30 4
La línea gruesa representada en el centro de la gráfica de promedios, ( X ) representa el promedio de

los promedios y se lee (X) doble testada, en esta ocasión su valor calculado fue 24.42. La línea gruesa en el de
la gráfica de los rangos ( R ) representa el promedio de los rangos de las muestras y en esta ocasión su valor
calculado fue 5.5.
Las fórmulas para los cálculos mencionados son:
Suma de lo s promedio de las mu estras

X=
Número de muestras
25 + 24 + 23.2 + 24.8 + 29.6 + 24 + 23 + 22.6 + 23.2 + 24.8

X= = 24.42
10
Suma de lo s rangos de las mues tras

R=
Número de muestras
8+4+6+6+7+4+7+5+4+4
R= = 5.5
10
Las líneas punteadas en la gráfica X y en la gráfica R representan los límites de la variación esperada
en los promedios y rangos de las muestras, respectivamente. Estos límites nos muestran cuanto pueden variar
hora con hora sin que exista un cambio significativo en el proceso.
El cálculo de los límites de control se simplifica utilizando fórmulas y constantes especiales que nos
permiten evitar los cálculos tediosos de la desviación estándar.
Las fórmulas para los límites de control en una gráfica X son las siguientes:
LCS = (X + (A2 * R))
LSC = (X – (A2 * R))
Donde A2 es un factor que depende de cuantos valores existen en cada muestra. Para una muestra de
5,
5 el valor de correspondiente es: A2 = 0.577.
Los valores que se utiliza para otros tamaños se encuentran en la tabla No. 1, al final de esta unidad,
los límites de control para la gráfica X de nuestro ejemplo se calculan de la manera siguiente:

LCS = 24 + (0.577 x 5.5) = 27.1735 ≈ 27
LCI = 24 - (0.577 x 5.5) = 20.8265 ≈ 21
Las fórmulas para los límites de control en una gráfica de rangos son las siguientes:
LCS = D4 * R
LCI = D3 * R
Donde D4 y D3 son factores que como A2 dependen del tamaño de la muestra un tamaño de muestra 5,
D4 = 2.114 y D3 = 0. Los valores que se usan para otros tamaños de muestras se encuentran en la tabla No. 1.
Límites de control para la gráfica de rangos para nuestro ejemplo se calcula de la siguiente manera:
LCS = 2.114 x 5.5 = 11.627 ≈ 11.6
LCI = 0 x 5.5 = 0
Quedando la grafica de la siguiente manera:
Corte Cizalla No. 7

X b a r c h a rt
Temporary: UCL = 27.59, Mean = 24.42, LCL = 21.25 (n = 5)
30
28 27.59
Upper spec line
26.54
26
25.48
Target spec line
24.42
24
23.36
Lower spec line
22.30
22
21.25
Ra n g e ch a rt
Temporary: UCL = 11.63, Mean = 5.50, LCL = none (n = 5)
12 11.63
10 9.58
8 7.54
6 5.50
4 3.46
2
1.42
.
.
m
m
a.
a.
a.
p.
p.
p.
p.
p.
p.
p.
00
00
00
00
00
00
00
00
00
00
0:
0:
0:
0:
0:
0:
0:
0:
0:
0:
:3
:3
:3
:3
:3
:3
:3
:3
:3
:3
09
10
11
12
01
02
03
04
05
06
INTERPRETACION DE GRAFICOS DE CONTROL:

La interpretación de las gráficas de control nos sirve para identificar las variaciones del proceso por
causas naturales o especiales, proporcionando información para tomar acciones preventivas en el proceso.
La interpretación de las gráficas está sujeta a las siguientes reglas:
1. Puntos fuera de los límites de control.

2. Adhesión (al centro o a los extremos)
3. Series (tendencia, corrida)
PUNTOS FUERA DE LOS LÍMITES DE CONTROL:
Cuando uno o más puntos se encuentran arriba o debajo de los límites de control, se deberán verificar
los siguientes puntos antes de realizar alguna corrección en el proceso.
Los límites de control fueron mal calculados o los puntos que están fuera han sido mal graficados.
El sistema de medición ha cambiado (equipo de medición personal).
La variación de pieza o el rango de la distribución han cambiado.
ADHESION:
Para verificar si existe adhesión al centro o adhesión a los extremos, es necesario dividir en tres partes
iguales, la distancia que hay del límite superior de control al límite inferior de control.
La división en tercios se realiza de la siguiente manera:
LSC − LIC
a=
3
Tercio superior = L.S.C. – a
Tercio inferior = L.I.C. + a
ADHESION AL CENTRO:
Si más del 68% de los puntos traficados se encuentran en el tercio medio, se dice que hay adhesión al
centro. De llegarse a presentar la adhesión al centro es necesario verificar lo siguiente:
• Los límites de control han sido mal calculados o mal graficados.

• Los puntos han sido mal calculados o mal graficados.
• Los datos han sido adulterados (las lecturas que se alejan del promedio de promedios fueron
alterados u omitidos).
• Las piezas pueden haber sido mezcladas de los diferentes grupos (una pieza de cada husillo).
Si después de haber verificado las condiciones anteriores, la adhesión persiste, entonces el proceso
muestra una condición favorable, debemos de investigar para mantener el proceso en la misma condición.

ADHESIÓN A LOS EXTREMOS:
Si el 32% o más de los puntos graficados se encuentran dentro de los dos tercios exteriores, se dice
que hay adhesión a los extremos o adhesión a las líneas de control. De presentarse esta condición, es
necesario verificar:
• Los límites de control han sido mal calculados o los puntos mal graficados.
• El proceso el método de muestreo es tal, que los grupos contienen mediciones de dos o más
factores diferente
En la grafica siguiente del ejemplo anterior se ilustra la adhesión de los puntos. Se puede observar como se ha
coloreados las sigmas, es decir, el color azul muestra el tercio medio, mientras que un amarillo y un rojo el
tercio superior, así de la misma manera el otro amarillo y rojo el tercio inferior.
Corte Cizalla No. 7

X b a r c h a rt
Temporary: UCL = 27.59, Mean = 24.42, LCL = 21.25 (n = 5)
30
28 27.59
Upper spec line
26.54
26
25.48
Target spec line
24.42
24
23.36
Lower spec line
22.30
22
21.25
Ra n g e ch a rt
Temporary: UCL = 11.63, Mean = 5.50, LCL = none (n = 5)
12 11.63
10 9.58
8 7.54
6 5.50
4 3.46
2
1.42
.
.
m
m
a.
a.
a.
p.
p.
p.
p.
p.
p.
p.
00
00
00
00
00
00
00
00
00
00
0:
0:
0:
0:
0:
0:
0:
0:
0:
0:
:3
:3
:3
:3
:3
:3
:3
:3
:3
:3
09
10
11
12
01
02
03
04
05
06
SERIES:
Serie es una sucesión de puntos que indican una tendencia o desplazamiento del proceso. Para el
control estadístico del proceso, se tienen identificadas dos tipos de series y son:

- TENDENCIA
- CORRIDA
TENDENCIA: Cuando seis puntos consecutivos o más en forma ascendente o descendente se

encuentran en la gráfica, se dice que hay una tendencia.
Tendencia hacia arriba
Tendencia hacia abajo
CORRIDA: Cuando siete puntos consecutivos o más se encuentran por arriba o por abajo del promedio
de promedios, se dice que hay una corrida. (Ver imagen siguiente)
Por debajo de la media

Por arriba de la media
La presencia de una serie significa:
- Mayor dispersión de los resultados que pueden provenir de una causa irregular (mal
funcionamiento del equipo), un cambio en la distribución de los resultados (un nuevo lote de
material), todos estos problemas requieren una acción correctiva inmediata.
- Un cambio en el sistema de medición (diferente calibrador o inspector).
La interpretación de las gráficas de rangos se lleva de la misma forma que con la interpretación de
medias, solamente cambia el siguiente concepto, cuando se maneja (CORRIDA Y TENDENCIA), por debajo del
rango promedio, significa que hay:
Menor dispersión de los resultados, lo cual es generalmente una buena condición que debe estudiarse
para ampliar su aplicación.
En la interpretación de nuestra gráfica de nuestro ejercicio para la gráfica X − R , nótese la importancia

de representar los límites de especificación. Obsérvese el punto 22.6 que aún respetando, el limite inferior de
control, al mismo tiempo está violando el límite inferior de especificación.
Nótese también el punto 29.6 en donde absolutamente se encuentra violando ambos límites superiores,
tanto de control, como de especificación.
En cuanto la gráfica de rangos obsérvese el rango de variación que existe en nuestro proceso, es decir,
que contamos con piezas de diferentes tamaños, cuando lo ideal en todo proceso, es que nuestras piezas sean
fabricadas de la misma dimensión, y aunque de antemano, sabemos que siempre existirá la variación, debemos
tomar acciones correctivas para minimizar esta variación.
Cuando se ha interpretado la gráfica y no se encuentran puntos fuera de los límites de control, adhesión
a los extremos, series corrida o tendencia, el proceso está dentro de CONTROL ESTADISTICO, en caso
contrario debemos buscar la causa por la cual es proceso, se encuentra fuera de control. Cuando se llegue a
presentar esta situación, se usara el DIAGRAMA CAUSA – EFECTO.
Una medida de tendencia central que se puede obtener en un grafico X – R. es:
) R
La desviación estándar estimada σ =
d2
Donde: R es el promedio de los rangos
d2 es la constante, que representa un valor estimado del recorrido W (Ver tabla 1)

GRAFICAS X − S :
Una alternativa para analizar la dispersión es utilizar la desviación estándar (S) en lugar del rango (R),
las razones que nos llevan a ello pueden ser:
1. Con las calculadoras científicas se puede obtener fácilmente las desviaciones.
2. Si los tamaños de muestras son mayores a 10, la gráfica R pierde su eficacia.
3. Si los tamaños de los subgrupos no son iguales, se puede elaborar con facilidad la grafica de control S.
Existen dos definiciones de la desviación estándar. La diferencia entre ellas depende de si el denominador es n
2
o n − 1 . La primera formula que presentaremos define la varianza muestral, S , como:
∑X
2
I
2
− nX
i =1
s2 = (1.1)
n −1
La desviación estándar muestras, S, es la raíz cuadrada de la varianza muestral, o:
n 2
∑X
i =1
I
2
− nX
S= (1.2)
n −1
Algunas calculadoras pueden calcular muestras este valor o pueden usar n − 1 en el denominador. A ese
resultado se le conoce como desviación media cuadrática (RMS) y está definida como:
n 2
∑X
i =1
I
2
− nX
S= (1.3)
n
Sin embargo se puede utilizar ambas para realizar la grafica de medias y desviaciones estándar, sin embargo
para este curso nos avocaremos a la desviación estándar muestral, S, de la formula 1.2
Si la distribución básica es normal, entonces:

)
E (S ) = σ = c4 σ
σ S = σ 1 − c42
En la tabla 1 aparecen los valores de c4, para diferentes tamaños de muestra.
Los límites de control se obtendrán de la siguiente forma:
LSCS = B6σ
LCS = c4σ
LICS = B5σ
Los valores de B6 y B5 se pueden encontrar en la Tabla 1
Pero pudiera darse el caso de que no se conociera σ. En tales casos se debe hacer en base a los datos
pasados. Esto se conoce como caso sin estándares.
En tales situaciones lo que procede es obtener un estimado de E(S)= S :
Por lo que los límites de control estarán definidos por:
LSCS = B4 S
LCS = S
LICS = B3 S
Los valores de B4 y B3 se pueden encontrar en la Tabla 1
Los límites de control para la grafica X están dados por:
LSC X = X + A3 S
LC X = X
LIC X = X − A3 S
Los valores de A3 se pueden obtener de la Tabla 1
Si los valores de las muestras son constantes, se puede calcular el límite de control con S el cual se calcula
con la siguiente fórmula:
∑ (n
i =1
i − 1)Si2
S= m
∑n
i =1
i −m
∑n X
i =1
i i
X = m
∑n i =1
i
Si los tamaños de las muestras fueran iguales entonces los promedios se calcular con las fórmula tradicional:
m m
∑S
i =1
i ∑X
i =1
i
S= y X =
m m

Donde m es el número de los subgrupos.
A continuación se presenta un ejemplo de grafico X – S
El índice de refracción del cable de fibra óptica se vigila con gráficas X − S . Primero, se analizan los datos
pasados. Se considera al día como un subgrupo racional. Los tamaños de las muestras varían de un día al otro,
con una variación en la producción que va de 4 a 8 bobinas, pero 6 bobinas es el tamaño de muestra
predominante. En la tabla siguiente se muestran los datos obtenidos de la producción de los últimos 12 días.
Medición 08-Jun 09-Jun 10-Jun 11-Jun 12-Jun 15-Jun 16-Jun 17-Jun 18-Jun 19-Jun 22-Jun 23-Jun
X1 96.4 93.5 95.7 98.5 95.3 96.8 98.3 97.2 97.1 98.5 98.9 95.5
X2 97.3 95.7 98.1 97.3 98.1 94.9 97.2 95.4 98 96.3 95.6 96.5
X3 94.1 97.2 97.9 96.6 96.0 97.3 95.4 94.9 99.3 97.7 94.9 95.9
X4 95.2 94.9 94.9 96.8 95.2 98.4 96.5 96.8 94.9 95.9 96.1 97.3
X5 96.3 95.3 98.1 9.6 94.9 96.5 97.0 97.2 97.1
X6 95.1 96.2 99 96.8 97.6 97.1
X7 98.1
X8 95.0
Primero se determinara las medias muestrales individuales y las desviaciones estándar muestrales, esto se
realiza de acuerdo a la tabla siguiente, posteriormente y debido a que los tamaños son variables se hacen los
limites de control individuales calculando X y S
∑X ∑X2 (∑X)2 PROM (∑X)2 /n S B4 B3 A3 LCSS LCIS LCIX LCSX
8-Jun 574.40 54995.80 329935.36 95.73 54989.23 1.15 1.970 0.030 1.287 2.80 0.04 98.42 94.76
9-Jun 572.80 54691.12 328099.84 95.47 54683.31 1.25 1.970 0.030 1.287 2.80 0.04 98.42 94.76
10-Jun 386.60 37372.52 149459.56 96.65 37364.89 1.59 2.266 0 1.628 3.22 0 98.90 94.27
11-Jun 487.30 47494.95 237461.29 97.46 47492.26 0.82 2.089 0 1.427 2.97 0 98.62 94.56
12-Jun 581.20 56311.50 337793.44 96.87 56298.91 1.59 1.970 0.030 1.287 2.80 0.04 98.42 94.76
15-Jun 387.40 37526.10 150078.76 96.85 37519.69 1.46 2.266 0 1.628 3.22 0 98.90 94.27
16-Jun 772.20 74549.00 596292.84 96.53 74536.61 1.33 1.815 0.185 1.099 2.58 0.26 98.15 95.02
17-Jun 384.30 36925.25 147686.49 96.08 36921.62 1.10 2.266 0 1.628 3.22 0 98.90 94.27
18-Jun 583.40 56736.92 340355.56 97.23 56725.93 1.48 1.970 0.030 1.287 2.80 0.04 98.42 94.76
19-Jun 485.40 47127.04 235613.16 97.08 47122.63 1.05 2.089 0 1.427 2.97 0 98.62 94.56
22-Jun 579.80 56038.04 336168.04 96.63 56028.01 1.42 1.970 0.030 1.287 2.80 0.04 98.42 94.76
23-Jun 482.30 46525.01 232613.29 96.46 46522.66 0.77 2.089 0 1.427 2.97 0 98.62 94.56

Graficando los datos y colocando los límites de control individuales, se puede observar que ningún punto se
sale de los límites de control:
Reflexión Fibra Optica

X b a r ch a rt
T emporary: UCL = 97.99, Mean = 96.59, LCL = 95.18 (n = 8)
UCL
98
97
Mean
96
95 LCL
S i g m a ch a rt
2.5 UCL
2.0
1.5
Mean
1.0
0.5
LCL
0.0
10
11
12
1
9
De igual forma podemos graficar los puntos, pero solamente graficar un límite de control para todos ellos como
comentamos anteriormente usando el promedio de los promedios de los datos, el promedio de las desviaciones
y un valor promedio de n (usualmente el que más se repite fue 6). Y nos mostrará una grafica como la siguiente.
Siempre es recomendable la primera grafica y hasta asegurarse que el proceso este en control usar la segunda.
Al igual que en la graficas X-R debemos validar que los puntos no se salgan de control y la regla del 1/3 medio.
Reflexión Fibra Optica

X b a r ch a rt
UCL
98
97
Mean
96
95 LCL
S i g m a c h a rt
2.5 UCL
2.0
1.5
Mean
1.0
0.5
LCL
0.0
10
11
12
1
9
La desviación estándar se calcula como:
S 1.15
σˆ = = = 1.22
c 4 0.940

GRAFICAS M − R :
Una grafica de control simplificada, donde su característica principal es la minimización de los cálculos. La
usamos principalmente cuando los operadores no son muy diestros con los cálculos, ó se requiere que la
grafica sea elaborada en el sitio de la operación y no se puedan realizar cálculos complejos. Los datos se
reúnen en la forma convencional y se determinan la mediana, Md, y el rango, R, de cada subgrupo. Cuando se
usan métodos manuales, esos valores se agrupan en orden creciente o decreciente. La media de las medianas
de subgrupo, o gran mediana, M , y la media de rangos de subgrupo, R , se determinan obteniendo su
promedio aritmético. Se determinan los límites de control para la mediana, con las formulas:
LCSM = M + A5 R M
LCIM = M − A5 R M
Los límites de control para el Rango están dados por las formulas:
LCSR = D4 R M
LCIR = D3 R M
Los valores para D5, D6 son los equivalentes para D3 y D4 respectivamente de los factores de Rangos de las
graficas X – R y A5 se pueden localizar en la Tabla 1 al final de esta unidad.
Las ventajas principales de la gráfica de medianas son: hay menos operaciones aritméticas, es más fácil de
comprender y los operadores la pueden mantener con facilidad. Sin embargo, esta grafica no puede asignar
peso alguno a los valores extremos en un subgrupo.
Cuando el personal de operación va elaborando estas graficas, se recomienda que el tamaño del subgrupo sea
3. Por ejemplo, en el caso de los tres valores 26, 39 y 35, la Md es 36 y R es 4; se usan los tres valores. Para
ver esta grafica realizaremos el siguiente ejemplo:
No. De Subgpo. X1 X2 X3 Mediana (M) Rango (R)

1 6 5.8 6.1 6.0 0.3
2 5.2 6.4 6.9 6.4 1.7
3 5.5 5.8 5.2 5.5 0.6
4 5 5.7 6.5 5.7 1.5
5 6 6.5 5.5 6.0 1
6 5.8 5.2 5 5.2 0.8
7 5.6 5.1 5.2 5.2 0.5
8 6 5.8 6 6.0 0.2
9 5.5 4.9 5.7 5.5 0.8
10 4.3 6.4 6.3 6.3 2.1
11 6.2 6.9 5 6.2 1.9
12 6.7 7.1 6.2 6.7 0.9
13 6.1 6.2 7.4 6.2 1.3
14 6.9 5.2 6.8 6.8 1.7
15 7.4 6.8 6.6 6.8 0.8

Los datos mostrados anteriormente corresponden a un proyecto de admisión de un paciente en un hospital, que
posteriormente a haber utilizado graficas X – R, desea vigilar la actividad usando graficas de medianas y rango.
Después de obtener las medianas y los rangos, se obtienen sus límites de control:
LCSM = M + A5 R M = 6.03 + (1.187)(1.1) = 7.3357
LCIM = M − A5 R M = 6.03 − (1.187)(1.1) = 4.7243
Los límites de control para el Rango están dados por las formulas:
LCSR = D4 R M = 2.574(1.1) = 2.8314
LCIR = D3 R M = (0)(1.1) = 0
Posteriormente graficamos los datos para la mediana.
Admisión Hospitalaria
M e d i a n ch a rt
7.5
UCL
7.0
6.5
Mean
6.0
5.5
5.0
LCL
4.5
10
11
12
13
14
15
1
y para el rango
A d m is ió n H o s p ita l a r ia R a n g o s
R
R aa nn gg ee cc hh aa rr tt
T e m p o ra ry : U C L = 2 .7 6 , M e a n = 1 .0 7 , L C L = n o n e (n = 3 )
U C L
2 .5
2 .0
1 .5
M e a n
1 .0
0 .5
0
5
1

GRAFICAS X − R (INDIVIDUOS):
En muchos casos, sólo se toma una medición de una característica de la calidad. Eso se puede deber a que
sea demasiado costosa o demasiado tardada la inspección, que haya muy pocos artículos que inspeccionar, o
simplemente que no sea posible tomar más muestras. Para estos casos, con datos limitados, se puede obtener
algo de información con una grafica X–R (nótese que X no está testada), mientras que con una grafica de
promedios no tendríamos información alguna, o seria un proceso demasiado lento para obtener alguna
información.
Los valores de las mediciones se grafican directamente, los valores del rango se obtienen con la siguiente
fórmula:
R = X i − X i −1
Las formulas para la línea central son:
X =
∑X y R=
∑R
m m
Donde m es número de mediciones o tamaño del subgrupo.

Como el tamaño de la muestra en este tipo de grafico siempre es 2 se tiene entonces la siguiente fórmula para
los límites.
LSCx = X + 2.660R LSCx = X − 2.660R

LSCR = 3.267R LSCR = (0)R = 0
Veamos el siguiente ejemplo:

Se va a llevar una grafica X–R sobre el pH del agua en una piscina de un hotel muy importante. Cada día se
toma una lectura, durante 30 días. Los datos son:
El grafico es:
pH Alberca Principal
I n d i vi d u a l s
T emporary: UCL = 8.47, Mean = 7.59, LCL = 6.71 (mR = 2)
8.5 UCL
8.0
Mean
7.5
7.0
LCL
M o v i n g Ra n g e (2 )
T emporary: UCL = 1.08, Mean = 0.33, LCL = none (mR = 2)
UCL
1.0
0.8
0.6
0.4
Mean
0.2
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
1

GRAFICOS PARA ATRIBUTOS
Como observamos en la primera unidad, existe un tipo de datos que llamamos atributos y nos ayudan a
obtener datos de un proceso en forma rápida, para saber si cumplen con una especificación o no, para este tipo
de datos existen los gráficos de control para atributos y que nos ayudan a interpretar al igual que los gráficos de
control por variable si un proceso se mantiene en control o no. Es recomendable utilizar este tipo de gráficos
cuando las características a controlar ya se han revisado previamente mediante un grafico de control por
variables, también puede ser cuando la característica no sea medible o finalmente cuando las variables sean
tantas que sea más fácil utilizar este tipo de gráficos que como veremos más adelante es muy fácil de elaborar.
Existen dos grupos de gráficos de control para atributos. Uno es para unidades no conformes. Se basa
en la distribución binomial. Una gráfica de proporción o gráfica de p muestra la proporción de no conformes en
una muestra o subgrupo. La proporción se expresa como razón o porcentaje. De igual modo, se podrían tener
gráficas de proporción de conformes, y también se podrían expresar como fracción o porcentaje. Otra gráfica en
el grupo es para el número o cantidad de no conformes, una gráfica np, y también se podría expresar como
número de conformes.
El otro grupo de gráficas es para no conformidades. Se basa en la distribución de Poisson. Un gráfica c

muestra la cuenta de no conformidades en una unidad inspeccionada, como un automóvil, un perno, una tela o
un rollo de papel. Otra gráfica estrechamente relacionada es la gráfica u, que es para la cuenta de no
conformidades por unidad.
GRAFICOS P:
Las cartas p representan una alternativa al uso de cartas np, cuando se anticipamos que el tamaño de
muestra, por alguna circunstancia, tendrá que ser variable (aunque se puede utilizar para tamaños de muestra
fijo de igual forma)
La teoría de probabilidad establece que para este tipo de cartas los límites de control deben calcularse
para cada muestra tomada, situación que resulta impráctica, tanto desde el punto de vista de la cantidad de
cálculos que se tendrían que efectuar, uno por muestra, como desde el de la predicción de la variabilidad del
proceso.
Es por ello que se recomienda seleccionar tamaños de muestras con una variación no mayor a ± 25%
sobre un valor preestablecido, lo que, para fines prácticos permite manejar un solo par de límites de control. De
esta manera, los límites de control pueden ser calculados con las siguientes fórmulas:
 1− p 
LSCP = p + 3 p  
 n 
 1− p 
LICP = p − 3 p  
 n 
En donde:
p es la media de las proporciones de piezas malas y se obtiene de la formula siguiente:

m
∑ np
i =1
i
p=
∑n i
Siendo np las cantidades de piezas defectuosas en las muestras. n los tamaños de muestras y m el
número de las muestras.
Ejemplificación del llenado interpretación y uso de una carta p. A continuación se presenta un ejemplo del uso
de una carta p. Los resultados siguientes son de la inspección de motores de soplador en secadores de cabello,
Departamento de motores, mayo.
Subgrupo (m) tamaño de no proporción

la muestra conformes (p)
(n) (np)
1 300 12 0.040
2 300 3 0.010
3 300 9 0.030
4 300 4 0.013
5 300 0 0.000
6 300 6 0.020
7 300 6 0.020
8 300 1 0.003
9 300 8 0.027
10 300 11 0.037
11 300 2 0.007
12 300 1 0.003
13 300 9 0.030
14 300 3 0.010
15 300 0 0.000
16 300 5 0.017
17 300 7 0.023
18 300 8 0.027
19 300 16 0.053
20 300 2 0.007
21 300 5 0.017
22 300 6 0.020
23 300 0 0.000
24 300 3 0.010
25 300 2 0.007
Total 7500 138

Se decide que los tamaños de muestra no deben variar más de ± 25% respecto a 138, siendo este último el
valor preestablecido, que se menciona al principio de esta sección, para tomar ventaja de lo práctico que
significa calcular sólo un par de límites de control. Se toman los registros y se efectúan los cálculos en la carta
mostrada al final de esta sección.
Los límites de control se calculan de la siguiente manera:

m
∑ np i =1
i
138
p= = = 0.018
∑n i 1750
 1− p   1 − 0.018 
LSCP = p + 3 p   = 0.018 + 3 0.018 
  = 0.041
 n   300 
 1− p   1 − 0.018 
LICP = p − 3 p   = 0.018 − 3 0.018   = 0 − 0.005
 n   300 
Podemos observar que el LIC resultó negativo, por lo que se establece LICp = 0, debido a que no existen
límites negativos. Ahora podemos observar la gráfica resultante.
Inspección de motores soplador en secadores

p c h a rt
T emporary: UCL = 4.17, Mean = 1.84, LCL = none
Inspected = 300.00, Counts Mean = 5.52
UCL
2
Mean
0
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
1
Se trazan los límites de control y la media p en la gráfica.
El análisis de estabilidad del proceso no se presenta por ser éste completamente análogo al de una carta por
variables. Tan sólo se establece el criterio de evaluación, como recordatorio.
No hay puntos por debajo del LlCp, que puedan significar que hay errores de medición o de cálculo.

Existió alguna condición favorable para el proceso, cuyo contenido debe analizarse para implantarla como
mejora permanente del proceso.
El punto por encima de LSCp pueden significar que hay errores de medición o de cálculo.
Existió alguna condición, desfavorable para el proceso, cuya recurrencia debe evitarse mediante una acción
preventiva permanente.
Una tendencia ascendente en puntos sucesivos significa que puede haber un empeoramiento del proceso que
hay que contrarrestar inmediatamente.
Una tendencia descendente en puntos sucesivos significa que' puede haber una mejora del proceso que hay
que analizar para tomar ventaja de ella en formas permanentes.
Se debe tener mucho cuidado en la interpretación de tendencias, puesto que puede haber patrones de
tendencia diferentes a los convencionalmente usados de analizar si hay 7 u 8 puntos sucesivos crecientes o
decrecientes.
Puntos sucesivos por encima o por debajo de la media significan empeoramiento o mejora del proceso
respectivamente. Como regla general, en este caso también se habla de sucesiones de 7 u 8; sin embargo,
puede haber modelos diferentes de comportamiento que indiquen con más anticipación que el valor medio se
va a desplazar favorable o desfavorablemente.
Si la distribución de puntos hace que sustancialmente más del 68% de ellos caiga en el tercio medio (para
poblaciones pequeñas, del orden de 20 a 30 muestras, este porcentaje puede ser 80-90%). Esto puede
significar que:
Hay errores de cálculo en los límites de control o de trazo en ellos o en las muestras.
Los datos fueron "forzados". Esto es, que las lecturas dispersas se cambiaron en los registros.
El método de muestreo fue inadecuado. Se tomaron piezas de procesos paralelos o del mismo proceso pero
correspondientes a tiempos distantes entre sí. A este último respecto es importante señalar que es conveniente
seleccionar un método de muestreo consistente que permita que las muestras sean comparables.
Por extensión, el criterio anterior nos puede dar una indicación, cuando está habiendo más concentración de
puntos en un tercio exterior que en el otro, de que el proceso ha mejorado o empeorado, aún cuando esta
condición no se percibe hasta recalcular el valor medio y los límites de control de una nueva carta de control.
Análisis de Habilidad.
Puesto que P es la proporción de piezas malas respecto a las buenas, la habilidad del proceso está dada por:
Habilidad = (1 − p ) × 100%

GRÁFICOS np:
Este tipo de cartas sirve para registrar y controlar la cantidad de piezas defectuosas en la muestra,
considerando esta última como fija.
El cálculo de los límites de control para este tipo de cartas, se efectúa con las siguientes fórmulas:
 np 
LSCnp = np + 3 np  1 − 
 n 
 np 
LICnp = np − 3 np  1 − 
 n 
En donde n = tamaño de la muestra.
np es la media poblacional de los valores np, siendo np la cantidad de piezas defectuosas en la

muestra
∑ np
i =1
m
np =
m
en donde m es la cantidad de muestras.
Ejemplificación del llenado, interpretación y uso de la carta np.
El numero de cajas de cambios que requieren ser desbarbadas en muestras de tamaño 100 tomadas
durante 16 días, es el siguiente:
Número de la muestra Producción Disconformes

1 100 5
2 100 4
3 100 3
4 100 2
5 100 6
6 100 3
7 100 9
8 100 6
9 100 4
10 100 6
11 100 15
12 100 4
13 100 5
14 100 7
15 100 3
16 100 6
Sumas 1600 88

Calculando los límites de control de la siguiente forma:
m
∑ np
i =1
m
88
np = = = 5.5
m 16
 np   5.5 
LSCnp = np + 3 np  1 −  = 5.5 + 3 5.5  1 −  = 5.5 + 6.8394 = 12.3394 ≈ 12.34
 n   100 
 np   5.5 
LICnp = np − 3 np  1 −  = 5.5 + 3 5.5  1 −
  = 5.5 − 6.8394 = −1.3394 ≈ −1.34
 n   100 
∴ LICnp = 0
Desbarbado de Cajas de Cambio

n p ch a rt
T emporary: UCL = 12.34, Mean = 5.50, LCL = none
Inspected = 100.00, Counts Mean = 5.50
Causa Asignable
14
UCL
12
10
6
Mean
2
10
11
12
13
14
15
16
1
Interpretación y Análisis de estabilidad.
El LICnp negativo existe estadísticamente, pero para una carta de control queda fuera de contexto, puesto que
no se pueden tener cantidades negativas de piezas malas por lo tanto se hace igual a cero.
Se trazan los límites de control y la media np en la gráfica y se procede a analizar la estabilidad del proceso, al
respecto tenemos
Existen puntos de la gráfica más allá de los límites de control, que se consideraran como causas asignables.
Si existieran, ello sería indicativo de que el proceso ha mejorado (LICnp) ó ha empeorado (LSCnp) en ese punto
particular o como parte de una tendencia, o bien, de un error en la, medición o en el trazo del punto.

No hay tendencias descendentes ni ascendente, las que serían indicativas de una mejora o empeoramiento del
proceso, respectivamente.
No hay sucesiones de puntos por abajo ni por encima de p, las que indicarían cambios en la media ñ-p del
proceso, interpretándose estos como mejora o empeoramiento del proceso.
Existen 10 de 16 (63%) de los puntos dentro del tercio medio de los límites de control, tomando en cuenta que
el LICnp = - 1.34 y LSCnp = 12.34, lo que podría ser indicativo de errores en el cálculo, o de que los datos
fueron falseados para hacer aparecer bien al proceso o de que el producto muestreado proviene de 2 lotes o de
2 equipos paralelos con medias diferentes. Se revisó esta condición encontrándose que al verificar el producto
se tomaron piezas de 2 equipos paralelos, habiéndose corregido así la hoja de instrucción de inspección
correspondiente.
Análisis de potencial y habilidad.
Las cartas de control por atributos son un medio para detectar las tendencias en los niveles de rechazo de un
producto, que sirven como auxiliares en la detección de algún cambio ocurrido en él. Sin embargo, se
fundamentan en la medición de niveles de rechazo y cuando estos llegan a cero dejan de proporcionar
información que permita prevenir que vuelvan a aparecer.
Puesto que el criterio de aceptación de la mayoría de los clientes es de cero discrepancias, las cartas por
atributos deberán considerarse solamente como un medio auxiliar de control que de ninguna manera releva a
los proveedores de la responsabilidad de entregar productos 100% dentro de especificaciones.
Para las cartas np, la habilidad se interpreta de la siguiente manera:
Puesto que np es la media de las cantidades de piezas defectuosas, este valor es la habilidad del proceso,
considerando que n es fija,
Otra forma de interpretarla sería en su forma porcentual:
 np 
Habilidad =  1 −  × 100 = (1 − 0.055 ) × 100 = 94.5%
 n 
Si evaluáramos con respecto al criterio anterior este gráfico nos diría que el proceso no es hábil.

GRAFICOS C:
La decisión de emplearlo se fundamenta en su utilidad (defectos clasificados según su importancia), y
en ocasiones es la mejor técnica estadística en el problema que se presenta. En está gráfica se considera que
el número de disconformidades, x, sigue la distribución de Poisson. La unidad de inspección puede ser un solo
producto o un grupo de unidades (por ejemplo, la unidad de inspección podrían ser 5 monitores a color). Para
ver más claramente se realizara el siguiente ejemplo:
A continuación se muestran los número de disconformidades en 20 muestras de 50 cajas de letras para

imprenta.
Número de la muestra Disconformes

1 19
2 21
3 14
4 23
5 13
6 21
7 15
8 24
9 20
10 19
11 37
12 16
13 4
14 28
15 17
16 29
17 25
18 15
19 11
20 19
( )
PROMEDIO C 19.5
Para calcular los límites de control se utilizan las siguientes formulas:
4.- Cálculo del promedio del número de defectos C.
C=
∑ # de Defectos = 390 = 19.5
# de Subgrupos 20
5.- Calcular los límites de control:
LSC C = C + 3 C LIC C = C − 3 C
= 19.5 + 3 19.5 = 19.5 − 3 19.5
= 19.5 + 3( 4.4158 ) = 19.5 − 3( 4.4158 )
= 19.5 + 13.25 = 19.5 − 13.25
LSC C = 32.75 LIC C = 6.2523

A continuación se muestra un ejemplo de una gráfica “c”, con las condiciones antes mencionadas:
Disconformes de Cajas de Letras para Imprenta

c ch a rt
T emporary: UCL = 32.75, Mean = 19.50, LCL = 6.25
35
UCL
30
25
20 Mean
15
10
LCL
5
10
11
12
13
14
15
16
17
18
19
20
21
1
La importancia de interpretar el control del proceso es para identificar las causas especiales de variación y
tomar acciones correctivas en el momento en que se presenten dichas causas especiales y estas se
identifiquen como sigue:
• puntos fuera de control

• tendencias
• corridas, etc.
9.- Cálculo de Habilidad
 C 
Habilidad =  1 −  x100%
 100 
Se calcula en base al siguiente procedimiento
C = 19.5 Convertir a decimal, basta dividir 19.5 ÷ 100 = 0.195
1 – C = 1.0000 – 0.195 = 0.805 = 80.5 % de piezas buenas

3
Por lo que el proceso no es hábil .
3
ESTE ULTIMO PASO SE DESCRIBE EN LA UNIDAD SIGUIENTE

GRAFICOS U:
Las cartas u representan una alternativa al uso de cartas c, cuando se puede prever que el tamaño de muestra,
por alguna circunstancia, tendrá que ser variable.
Los conceptos presentados en la carta p son perfectamente aplicables a las cartas u. Los límites de control se
calculan con las siguientes fórmulas:
u
LSCu = u + 3
n
u
LICu = u − 3
n
∑u
i =1
i
c
en donde: u = m
y u= , donde c es el número de defectos en la muestra (puede ser > n) y n el tamaño de
n
∑n
i =1
i
la muestra.
Para ver esta gráfica, realizaremos el siguiente ejemplo:
Se registro el número de disconformidades por yarda cuadrada de alfombra imitación persa, como se indica en
la tabla. El número de yardas cuadradas por rollo varía según se indica.
Número de la muestra Yardas cuadradas Disconformes

1 250 13
2 150 8
3 210 7
4 175 6
5 220 9
6 150 2
7 235 19
8 140 6
9 200 10
10 180 7
11 160 9
12 195 12
El valor promedio de u será:
∑u
i =1
i
108
u= m
= = 0.04768
2265
∑n
i =1
i

Ahora procederemos a construir la gráfica.
Dis conformidades por yarda cuadrada de alfombra imitación persa
u c h a rt
T emporary: UCL = 0.10, Mean = 0.05, LCL = 0.00
Inspected Mean = 188.75, Counts Mean = 9.00
0.10
UCL
0.08
0.06
Mean
0.04
0.02
LCL
10
11
12
1
9
Como podemos observar se pueden calcular limites variables para el gráfico así como se elabora para una
gráfica p. Si ningún punto se sale de los límites de control, se puede calcular unos límites promedio con las
formulas antes mencionadas quedando de la siguiente forma:
Se calculan los límites de control:
u 0.04768
LSCu = u + 3 = 0.04768 + 3 = 0.04768 + 0.04768 = 0.09536
n 188.75
u 0.04768
LICu = u − 3 = 0.04768 − 3 = 0.04768 − 0.04768 = 0
n 188.75
D is co n fo rm id a d e s p o r ya rd a cu a d ra d a d e a lfo m b ra im ita ció n p e rs a

u c h a rt
LS C
0 .0 9
0 .0 8
0 .0 7
0 .0 6
0 .0 5
M ean line
0 .0 4
0 .0 3
0 .0 2
0 .0 1
10
11
12
1
Como se observa no hay puntos fuera, el análisis se hace igual que la gráfica p, así como se obtiene su
habilidad.

UNIDAD IV
CAPACIDAD Y HABILIDAD
El rendimiento de un proceso de manufactura estadísticamente estable (en control) puede ser descrito
por su distribución. Las características de la distribución se usan para evaluar el proceso. Por ejemplo, una
característica de interés frecuente es el centro de la distribución. Si la distribución no es ubicada
adecuadamente, el proceso de fabricación puede producir partes que no son lo suficientemente cercano al valor
de especificación deseado. En tales casos, algunas partes pueden estar fuera de especificación. Un proceso
con tal distribución puede entonces ser incapaz de cumplir las necesidades del cliente. Problemas similares
pueden ocurrir si la distribución tiene demasiada diseminación de donde la distribución se ubica. Porque las
características de la distribución no son conocidas exactamente, los datos deben reunirse para estimarlos.
Esta sección explica algunas de las técnicas usadas para estimar cuan seguro son las características
de la distribución relacionadas con las especificaciones. Se supone la base de que el proceso desde que los
datos se adquieren muestra estabilidad estadística que debe ser enfatizada aquí. Una discusión de variación de
procesos y los índices asociados de capacidad tienen poco valor para procesos impredecibles. Ser consciente,
sin embargo, que los enfoques razonables para la asegurar la capacidad del proceso se ha desarrollado para
procesos que exponen causas sistemáticas especiales de variación de proceso, tal como desgaste de
herramienta. Además, se presume generalmente que las lecturas individuales desde los procesos tienen una
distribución que es aproximadamente normal. Después de definir la capacidad y términos relacionados, esta
sección definirá y discutirá únicamente el más populares de los índices y relaciones, como a continuación se en
3
listan :
• índice de variación de proceso únicamente, relativo a especificaciones: Cp, y Pp
• índice de variación de proceso y centrado combinado, relativo a especificaciones: CPU, CPL, Cpk, y Ppk
• Las relaciones de variación de proceso únicamente, relativo a especificaciones: CR y PR
Finalmente, esta sección describe las condiciones y las suposiciones asociadas con estas medidas de
los procesos y concluye con una sugerencia con respecto a como estas medidas podrían aplicarse hacia
mejorar los procesos, entendiendo dentro de la estructura de la mejora continua de procesos.
Este manual reconoce totalmente el malentendido y la controversia que rodea las definiciones y
conceptos en los puntos de proceso "Control", "Capacidad", y "el Desempeño". Es apropiado para indicar aquí
que ese no es el propósito de este manual a totalmente resolver estos puntos, pero para exponer y discutir el
alcance que permita a cada lector la oportunidad de desarrollar un entendido mejor de ellos a fin de proveer
valor y conocimiento para la mejora continúa de procesos.
DEFINICION DE TERMINOS DE PROCESO
Variación Inherente de Procesos - Porción de la variación de proceso debido a causas comunes

solamente. Esta variación puede estimarse desde gráficas de control por R d2 , entre otras cosas (p. ej., S C 4 ).
Variación Total de Procesos - Esta es la variación debida a causas comunes y especiales. Esta
variación puede ser estimada por s, la desviación estándar de muestreo, usando todas las lecturas individuales
3
Aunque otros índices no sean discutidos en este manual, el Manual de SPC de QS-
9000 en el Apéndice D y Apéndice H, Referencia 16 provee información sobre estos, El
Cpm, un indice relativamente nuevo que ha ganado alguna atención reciente.

n
( x i − x )2
obtenidas desde cualquier parte del gráfico de control o de un estudio de procesos: ej., s = ∑ n −1
= σˆ s ,
i =1
donde Xi es una lectura individual, X es el promedio de las lecturas individuales, y n = al número total de todas
las lecturas individuales.
Capacidad de Proceso - 6σ del rango de la variación inherente de un proceso, para un proceso

estadísticamente estable únicamente, donde σ es estimada comúnmente por R σˆ R d
d2 2
( )
Rendimiento de Proceso - 6σ del rango de la variación total de un proceso, donde σ es estimada comúnmente
por s, la desviación estándar del muestreo (σ̂s )
DEFINICION DE MEDICION DEL PROCESO
A. Índices
Cp : Este es el índice de capacidad que se define como el ancho de la tolerancia dividida por la capacidad
de proceso, sin considerar el centrado del proceso. Típicamente, este se expresa como:
USL − LSL
Cp =
6σˆ R
d2
Pp: Este es el índice de desempeño que se define como el ancho de la tolerancia dividida por el
desempeño del proceso, sin considerar el centrado del proceso. Típicamente, este se expresa como:
USL − LSL
Pp = (se debe usa únicamente para comparar con Cp y Cpk y la medición y prioridad de
6σˆ s
mejora a través del tiempo).
CPU: Este es el índice superior de capacidad y se define como la distribución superior de la tolerancia
USL − X
dividida por la distribución superior actual. Típicamente, este se expresa como: CPU =
3σˆ R d
2
CPL: Este es el índice inferior de capacidad y se define como la distribución inferior de la tolerancia dividida
X − LSL
por la distribución inferior real del proceso. Típicamente, este se expresar como: CPL =
3σˆ Rd
2
Cpk: Este es el índice de capacidad que relaciona el centrado del proceso y se define como el mínimo de
CPU o CPL. Relaciona la distancia entre la media del proceso y la especificación más cercana al límite
de la media de la distribución total de proceso. Y se puede calcular como el mínimo de:
USL − X X − LSL
ó
3σˆ Rd 3σˆ Rd
2 2
Ppk: Este es el índice de desempeño que relaciona centrado del proceso y se define como el mínimo de
USL − X X − LSL
ó (se debe usar únicamente para comparar con Cp y Cpk y para medir y prioridad de
3σˆ s 3σˆ s
mejoramiento a través del tiempo).
B. Relaciones
1 6σˆ Rd
CR: Esta es la relación de capacidad y es simplemente el recíproco de Cp: CR = = 2
Cp USL − LSL
1 6σˆ s
PR: Esta es la relación de desempeño y es simplemente el recíproco de Pp: PR = =
Pp USL − LSL
Aclaración de desviación estándar de muestreo (s vs. s)
La σ̂ s estima la desviación estándar de la desviación total del proceso (población) usando s, mientas
que σˆ s estima la desviación estándar de un subgrupo dado de un número en especial de muestras, es decir, la
s que se utiliza para el cálculo de parámetros de habilidad en cuestión sobre el número total de la muestra.
DESCRIPCION DE CONDICIONES Y SUPOSICIONES

Es apropiado indicar que, variación de proceso y proceso centrado son dos características separadas
del proceso. Cada una necesita ser entendida separadamente. Cada necesidad debe ser entendida
separadamente una de la otra. Sin embargo, a fin de minimizar análisis separados de cada una, llega a ser
conveniente combinar las dos características en un índice, tal como Cpk o Ppk. Estos índices pueden ser útiles
para:
• Medir la mejora continua usando tendencias a través del tiempo.
• Planear el orden en que los procesos serán mejorados.
El índice de capacidad (p. ej., Cpk) es por demás útil para determinar si ó no un proceso es capaz de encontrar
los requerimientos de cliente (el intento original del índice de capacidad). se debe indicar que este uso
adicional no debería ser aplicado a los índices de desempeño (ver página anterior para el uso sugerido de
medición del desempeño).
Para que estos índices se usen efectivamente, las CONDICIONES y SUPOSICIONES que los rodean deben
entenderse. Si estas condiciones y suposiciones no son conocidas, las medidas tendrán poco o ninguno
significando y no tendrá ningún valor agregado para comprender los procesos donde se generaron. Siguiendo
son las cuatro condiciones mínimas que deben ser satisfechas para todas las medidas de capacidad descritas
anteriormente:
• El proceso de donde se originan los datos debe ser estable.
• Las mediciones individuales de los datos del proceso deben formar aproximadamente una
distribución normal.
• Las especificaciones deben ser en base a los requerimientos de cliente.
• Existe un consentimiento para aceptar el índice computado (o relación) como el "cierto", ej.,
para descontar influencia de variación en un muestreo sobre el número computado (p. ej., un
Cpk computado de 1.05 puede venir de un proceso cuyo "cierto" Cpk sea 1.40, o viceversa
simplemente como variación del muestreo).

1. SUGERENCIAS EN LA MEDICION DEL PROCESO

La llave efectiva a usar en cualquier medición continua de un proceso para ser de un nivel comprensible
de qué la medición verdaderamente representa a este. Esos en la comunidad estadística quien generalmente
opone como Cpk de números, por ejemplo, están siendo usados rápidamente para indicar que un poco " el
mundo verdadero", los procesos completamente satisfacen todas las condiciones, suposiciones, y los
parámetros dentro de que Cpk que se han desarrollado. Adicionalmente, es la posición de este manual que,
siempre que todas las condiciones son conocidas, es difícil asegurar o verdaderamente comprendido un
proceso en base a un número de relación o índice, por razones discutidas en los párrafos siguientes.
a) La Pérdida del Concepto de Función

La fuerza impulsora detrás de como el índice de capacidad (y las otras medidas de proceso) usado ha
sido el deseo comprensible de producir todas las partes dentro de especificaciones de diseño. El concepto
subyacente sirviendo como la motivación para este deseo es la mentalidad que todas las partes dentro de
especificación, sin considerar en donde se ubique o posicione dentro de la gama de especificación, son “bueno"
(o aceptable), y todas las partes más allá de especificaciones, sin considerar a qué distancia más allá de las
especificaciones pueden estar, son "malas" (o inaceptables). Los profesionales de la calidad a veces refieren a
este concepto como la mentalidad del "Goal Post" (Meta)(ver figura a).
Aunque este qué modelo mental (bueno/malo) se ha usado extensamente en el pasado, se sugiere un
modelo más útil, ej., un lote más cerca del comportamiento del mundo verdadero, es uno ilustrado en la Figura
b. Este modelo toma, en general, la forma de una parábola y utiliza el principio que una creciente cuadrática (a
diferencia de la lineal) que incurre en la pérdida por el cliente y/o la sociedad al relacionar una característica
particular que se obtiene del blanco de especificación. Implícito en este concepto, referido como el concepto de
función de pérdida, es la presunción que el intento de diseño (el blanco de especificación) esta razonablemente
bien alineado con el requerimiento del cliente.
b) Alineación de Procesos a Requerimientos de Cliente

Anteriormente se describió gráficamente un proceso. Un característica de rendimiento de tal proceso
puede también expresarse gráficamente en términos de una distribución de su variación. Esta distribución
podría referirse a como la distribución del proceso (ver figura a).
Una función de pérdida tal como la uno la describe en la figura b puede establecerse para la
característica de proceso cuya distribución se indica en la figura a. Adicionalmente, suponiendo poca o ninguna
variación en el requerimiento de cliente ( blanco de especificación), por superposición la distribución del proceso
en la curva función de pérdida del requerimiento de cliente (figurada c) se pueden hacer dos observaciones:
• A fin de minimizar pérdidas de cliente, es deseable para alinear el proceso (línea central) con el
requerimiento de cliente (blanco de especificación).
• esto por demás beneficia al cliente si la variación alrededor el valor de blanco se reduce
continuamente (ver figura e).
Este análisis se llama a veces alineando la "Voz del Proceso" con la "Voz del Cliente". Se debe anotar
que aunque ninguna que variación se presenta en la "Voz del Cliente" para el ejemplo, la "la Voz del Cliente"
(blanco de especificación) varía en el mundo verdadero y esto adicionalmente complica la satisfacción cierta del
cliente en un proceso determinado.
Finalmente, cuando una pérdida traducida estimada es generada por considerar la distribución real de
partes siendo producidas por este proceso, conjuntamente con la pérdida siendo generada por este proceso,
puede mostrarse que, en este caso, aproximadamente solo 45% de la pérdida total al cliente está siendo
contada para las partes más allá de la especificación, mientras la pérdida restante viene de partes dentro de la
especificación pero que no están en el blanco (figurar d). Esto fuertemente sugiere que la mentalidad "Goal
Post”, o computando porcentaje de partes "Malas" (las partes más allá de las especificaciones), de por sí, no
provee una plusvalía apropiada para comprender el efecto que el proceso realmente tiene sobre el cliente.

GLOSARIO DE TERMINOS
PROMEDIO X O MEDIA: La suma de valores dividida entre el número de valores.
OPORTUNIDAD DE CAUSA: Una fuente de variación que esta siempre presente, parte de una variación
natural inherente al proceso.
LIMITES DE CONTROL: Las líneas de una gráfica de control que definen la cantidad de variación
que se espera en un proceso.
LIMITES DE ESPECIFICACIÓN: Las líneas de una gráfica de control que definen el valor máximo y mínimo
del valor nominal permitido.
DISTRIBUCIÓN DE FRECUENCIA: Una tabulación de datos arreglados de acuerdo al tamaño, peso, carga,
etc.
HISTOGRAMA: Una representación gráfica (gráfica de barras), de una distribución de

frecuencias.
LOCALIZACIÓN: El centro de la distribución medido por el promedio o la media.
DISTRIBUCIÓN NORMAL: Una curva con forma de campana la cual muestra el modelo más común
de variación.
POBLACIÓN: Una gran recolección de unidades.
PROCESO: La combinación de mano de obra, maquinaria y equipo, materiales,

métodos y medio ambiente, que produce bienes y/o servicios.
PROMEDIO DEL PROCESO X: La localización de la distribución de los valores medios, el promedio de los
promedios muestra.
HABILIDAD DEL PROCESO 6σ: Lo que el proceso puede hacer cuando se está operando de la mejor
forma.
DESVIACIÓN ESTÁNDAR O SIGMA (σ): La variación de todos los valores alrededor del valor central o una medida
del ancho de la distribución.
MUESTRA: Un grupo de unidades tomada de una población.


Curso de Control Estadistico de Procesos Parte 2

Caricato da

Informazioni sul documento

Descrizione originale:

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Curso de Control Estadistico de Procesos Parte 2

Caricato da

Copyright:

Formati disponibili

CONTROL ESTADÍSTICO DE PROCESOS

Un gráfico de Control muestra:

• Si un proceso está bajo control o no

• Indica resultados que requieren una explicación

Procesos Industriales Pagina 33 de 70

Procesos Industriales Pagina 34 de 70

2. La dispersión del proceso es grande, existe demasiada variación en el proceso y debemos

Procesos Industriales Pagina 36 de 70

CURVAS NORMALES MOSTRANDO CAMBIO EN EL PROMEDIO

Si ocurre un cambio significativo en el promedio, vamos a tener debajo de la especificación (área

Procesos Industriales Pagina 37 de 70

SUPERVISOR Gregorio González

1.- Se calculan los promedios de las muestras de cada hora.

Procesos Industriales Pagina 38 de 70

La línea gruesa representada en el centro de la gráfica de promedios, ( X ) representa el promedio de

Las fórmulas para los cálculos mencionados son:

Suma de lo s promedio de las mu estras

25 + 24 + 23.2 + 24.8 + 29.6 + 24 + 23 + 22.6 + 23.2 + 24.8

Suma de lo s rangos de las mues tras

LCS = (X + (A2 * R))

LSC = (X – (A2 * R))

Procesos Industriales Pagina 39 de 70

LCI = 24 - (0.577 x 5.5) = 20.8265 ≈ 21

LCS = 2.114 x 5.5 = 11.627 ≈ 11.6

Quedando la grafica de la siguiente manera:

Corte Cizalla No. 7

INTERPRETACION DE GRAFICOS DE CONTROL:

La interpretación de las gráficas está sujeta a las siguientes reglas:

1. Puntos fuera de los límites de control.

La división en tercios se realiza de la siguiente manera:

Tercio inferior = L.I.C. + a

• Los límites de control han sido mal calculados o mal graficados.

Procesos Industriales Pagina 41 de 70

Corte Cizalla No. 7

Procesos Industriales Pagina 42 de 70

TENDENCIA: Cuando seis puntos consecutivos o más en forma ascendente o descendente se

Tendencia hacia arriba

Tendencia hacia abajo

Por debajo de la media

Por arriba de la media

La presencia de una serie significa:

En la interpretación de nuestra gráfica de nuestro ejercicio para la gráfica X − R , nótese la importancia

Una medida de tendencia central que se puede obtener en un grafico X – R. es:

Procesos Industriales Pagina 44 de 70

1. Con las calculadoras científicas se puede obtener fácilmente las desviaciones.

2. Si los tamaños de muestras son mayores a 10, la gráfica R pierde su eficacia.

La desviación estándar muestras, S, es la raíz cuadrada de la varianza muestral, o:

Si la distribución básica es normal, entonces:

En la tabla 1 aparecen los valores de c4, para diferentes tamaños de muestra.

Los límites de control se obtendrán de la siguiente forma:

En tales situaciones lo que procede es obtener un estimado de E(S)= S :

Por lo que los límites de control estarán definidos por:

Los valores de B4 y B3 se pueden encontrar en la Tabla 1

Los límites de control para la grafica X están dados por:

Los valores de A3 se pueden obtener de la Tabla 1

Procesos Industriales Pagina 46 de 70

A continuación se presenta un ejemplo de grafico X – S

X5 96.3 95.3 98.1 9.6 94.9 96.5 97.0 97.2 97.1

X6 95.1 96.2 99 96.8 97.6 97.1

∑X ∑X2 (∑X)2 PROM (∑X)2 /n S B4 B3 A3 LCSS LCIS LCIX LCSX

Procesos Industriales Pagina 47 de 70

Reflexión Fibra Optica

Reflexión Fibra Optica