DIAGRAMAS O GRAFICAS DE CONTROL

Los gráficos de control se pueden definir como una herramienta estadística que
se utiliza para controlar un proceso. Permite al responsable del mismo distinguir
entre las causas de variación que aparecen en el mismo:

 Variabilidad debida a causas comunes, que nos permite realizar

predicciones sobre el estado del proceso.

 Variabilidad debida a causas especiales, que no nos permiten predecir la
situación del proceso en un determinado momento.

Un gráfico de control nos facilita (Carot 1998) [1]:

1. Vigilancia y control del proceso evitando la producción de defectos.

Sigue la filosofía: hágalo bien a la primera.

2. Aumento de la homogeneidad de la producción mediante la disminución

de la variabilidad del proceso.

3. Evita los ajustes innecesarios, con el lema de si no está roto, no lo

repares.

4. Proporciona información sobre los parámetros del producto y del

proceso, lo que permitirá conocer mejor nuestra actividad productiva.

Los gráficos de control se pueden clasificar en dos grandes grupos en función

de la característica de calidad que se controle:
 Gráficos de Control por Variables: La característica de calidad es una
variable, que puede medirse y expresarse como un número en una
escala de medición continua.

 Gráficos de Control por Atributos: Muchas características de calidad no se

miden en una escala continua o en una escala cuantitativa. En estos
 casos, cada unidad del producto puede juzgarse como conforme o
disconforme en base a si posee o no ciertos atributos, o puede contarse
el número de disconformidades (defectos) que aparecen en una unidad
del producto.


Existen gráficos de control para la media, la dispersión, la proporción de piezas

defectuosas y la proporción de defectos o sus frecuencias. Para controlar la
media destacamos los siguientes, entre otros muchos:

 Media Muestral (Shewhart 1931 )


 Medias Móviles (Montgomery 1991 )

 CUSUM (Page 1954 ; Lucas and Saccucci 1990 )

 EWMA (Roberts 1959 ; Crowder 1987 )

Y además, se puede aplicar cada uno de estos gráficos con distintas

metodologías
 Parámetros constantes (PC)

 VSS (Variable Sample Size). No se mantiene el tamaño de muestra
constante, sino que que se adapta al proceso, en función de su
comportamiento. (Prahbu, Runger, and Keats 1993 ; Costa 1994 )

 VSI (Variable Sample Interval). No se mantiene el intervalo de muestreo
constante,

sino que se varía en función del comportamiento del proceso. (Reynolds

Jr et al. 1988
 VSSI (Variable Sample Size and Sampling Interval). Es una combinación de
VSS y VSI. (Costa 1997 )

 Metodología de Daudin (Daudin 1992 )

Para el control de la dispersión, los gráficos más habituales son: Rango Muestral,
Desviación Típica, Cuasidesviación Típica y Cuasivarianza, con sus
correspondientes CUSUM, y EWMA, y las metodologías utilizadas por estos
gráficos, como la para la media: Parámetros Constantes y Parámetros Variables
(VSS, VSI y VSSI).(Montgomery 1991)
CONSTRUCCION DE UNA GRAFICA DE CONTROL

En la construcción de un gráfico de control intervienen los siguientes elementos:

1. El parámetro a controlar, que representa un valor poblacional cualitativo
o cuantitativo, que por alguna razón se desea mantener estable dentro del
proceso.
Este parámetro usualmente designado como “ ” puede ser predeterminado o
histórico, en cuyo caso se suele designar como , y corresponde al promedio
histórico durante un tiempo de observación conocido como “período base”.
La media del proceso, su mediana, su desviación estándar y la fracción de
defectuosos suelen ser los parámetros a controlar más comunes, dando lugar
así a diferentes tipos de gráficas.

El estadístico de control, que representa un valor muestral que se utiliza como

estimador del parámetro poblacional a controlar

Es práctica común seleccionar un estimador “ ̂ ” que tenga la propiedad de ser

insesgado, es decir: E( ̂ ) = , lo que define la llamada “línea central del

gráfico”.
2. Los límites de control, que representan las bandas, .una inferior (L.I.C) y
otra superior (L.S.C), entre las cuales debe caer el estadístico de control, para
considerar que el proceso se encuentra bajo control estadístico.
Para encontrar estos límites de control existen fundamentalmente dos criterios:
a) El criterio tres-sigmas, según el cual estos límites se hallan a tres
desviaciones estándar por encima y por debajo del valor esperado del
L.S.C    3

estimador, es decir: 
L. I.C    3
b) El criterio probabilístico, que consiste en determinar un intervalo que tenga
una probabilidad mínima de 0,99 de contener el valor del estadístico de control.
P ( L.I.C  ̂  L.S.C)  0,99

Este último criterio, mas comúnmente utilizado en los países europeos, exige
que se conozca la distribución exacta del estadístico de control
̂ .
Una vez calculados los límites de control, se procede a construir la gráfica y a
representar sobre ella los valores de ̂
correspondientes al período base.
En caso de que todos los puntos obtenidos caigan dentro de los límites de
control, estos pasan a ser definitivos; si algunos se salen, es necesario investigar
la causa asignable que actuó, eliminar los puntos, y recalcular los nuevos límites.
Según el Western Electric Handbook (1956), además de un punto fuera de los
límites de control, existen otros síntomas que pueden revelar que el proceso se
encuentra fuera de control, tales como:

 Dos de tres puntos consecutivos fuera de los límites de advertencia dos

sigmas.
 Cuatro de cinco puntos consecutivos ubicados a una distancia de una
sigma o mas de la línea central.
 Ocho puntos consecutivos del mismo lado de la línea central.
 Siete puntos consecutivos en forma ascendente o descendente.

Pronunciado:
: “La calidad medida de un producto manufacturado, está siempre sujeta a una
cierta cantidad de variación como resultado del azar. Algún sistema de causas
casuales estable es inherente a cualquier esquema particular de producción y de
inspección. La variación dentro de este patrón estable, es inevitable. Las razones
de las variaciones externas a este patrón estable pueden ser descubiertas y
corregidas”.
Bajo el pensamiento de Shewhart fueron desarrolladas las primeras gráficas de
control, con el propósito de descubrir causas asignables.
Entre estas, las más importantes son:
GRÁFICOS DE CONTROL POR VARIABLES

Podemos distinguir dos grandes clases de gráficos de control: los gráficos de control por variables hacen uso
de estadísticos obtenidos a partir de datos tales como la longitud o grosor de un elemento, mientras que los gráficos
de control por atributos se basan en frecuencias tales como el número de unidades defectuosas. Así, en los gráficos
de control por variables es posible medir la característica de calidad a estudiar. En estos casos conviene describir
la característica de calidad mediante una medida de tendencia central (usualmente la media muestral) y una medida
de su variabilidad (usualmente el rango o la desviación estándar).

Los gráficos de control por variables son más “sensibles” que los gráficos de control por atributos, razón por
la cual son capaces de “avisarnos” de posibles problemas de calidad incluso antes de que éstos sean ya relevantes.
Por su parte, los gráficos de control por atributos tienen la ventaja de sintetizar de forma rápida toda la información
referida a diferentes aspectos de calidad de un producto, ya que permiten clasificar éste como aceptable o
inaceptable; además, no suelen necesitar de sistemas de medición muy complejos y son más fácilmente entendibles
por los no especialistas.

A continuación se agrupan los gráficos de control por variables según el tipo de datos de que dispongamos:
 ESTADÍSTICOS A NOMBRE DEL
TIPO DE DATOS REPRESENTAR GRÁFICO

Medias de subgrupos X barra X barra

Rangos de subgrupos R R
Datos de subgrupos Desviaciones estándar de subgrupos S S

Xbarra y R X barra y R

X barra y S X barra y S

Observaciones individuales Individual

Observaciones individuales
Rangos móviles Rangos móviles

Obs individuales y rangos moviles 1- MR

Medias móviles con pesso exponencial EWMA

Medias móviles medias móviles

Combinaciones de subgrupos CUSUM

Sumas acumuladas
zona
Obs individuales o medias de subgrupos
según su distancia a la línea central

Series cortas Obs individuales estandarizadas y rangos moviles Z - MR

  La Gráfica X , R: Esta es una gráfica de control por variables, que utiliza
a la media de la muestra X como estadístico de control para la media del
proceso, y al rango de la muestra R como estadístico de control para la
desviación estándar del proceso.
Es muy utilizada por la sencillez de cálculo en R, y su uso sólo se recomienda
cuando el tamaño de los subgrupos “n” es pequeño (n  10).
Los límites de control vienen dados por las siguientes expresiones:

Los coeficientes A2 , D3 y D4 son funciones de “n” , se deducen bajo el supuesto de

normalidad, y se leen en tabla especialmente elaborada para la construcción de gráficas
de control por

 La Gráfica X , S: Esta es también una gráfica de control por variables,

que utiliza a la media de la muestra X para controlar a la media del proceso, pero
en lugar del rango de la muestra R, utiliza a la desviación estándar muestral “S”
, para controlar a la desviación estándar del proceso.
Se recomienda su uso cuando el tamaño de los subgrupos “n” es mayor que 10
(n>10).debido a que en estos casos “S” es un estimador mucho más eficiente
que “R” para la desviación estándar poblacional.
Los límites de control vienen dados por las siguientes expresiones:
Al igual que la anterior, estas dos gráficas como casi todas las de Swehart
suponen que las muestras han sido tomadas como “subgrupos racionales”., y en
 ellas los límites de control son obtenidos con el criterio tres sigmas bajo el
supuesto de normalidad.
:

 Gráfica de control para observaciones individuales: Es también una

gráfica por variables que se aplica cuando no existe oportunidad de conformar
subgrupos racionales, y en consecuencia la muestra es de tamaño n = 1.
Tal es el caso por ejemplo, del envasado de líquidos o de cremas que
previamente han sido debidamente homogeneizadas, y por lo tanto todas
aquellos envases que provengan de un mismo lote presentan las mismas
propiedades en el momento de su envasado.
En situaciones como esta, la variabilidad se presenta entre los diferentes lotes,
pero no entre las unidades de un mismo lote; y basta con medir el valor de la
característica de calidad en una unidad, para conocer la de todo el lote.
En estos casos, sobre la gráfica de control lo que se representa es el valor “X”
de esa característica de calidad medida sobre una única pieza, y el subgrupo
racional se forma al considerar el valor de la medición en un lote con la del
próximo, para formar un subgrupo de tamaño 2.
Suponiendo normalidad sobre “X” y aplicando el criterio tres sigmas, se

obtienen los siguientes límites de control para “X”:

Donde d2 = 1,128 que es el valor correspondiente para subgrupos
de tamaño 2, y R es el rango móvil promedio.

GRÁFICOS DE CONTROL PARA ATRIBUTOS

Por lo general, los gráficos por atributos no ofrecen tanta información

como los gráficos por variables, ya que una medición numérica es más
informativa que la sola clasificación de una unidad como conforme o
disconforme.

Al igual que en los gráficos de control por variables, el gráfico de atributos

representa un estadístico T del proceso (como puede ser el número de defectos)
frente al número de la muestra o al tiempo. Una línea central representa el valor
medio o esperado del estadístico, mientras que la especificación de los límites
de control es una de las decisiones críticas que deben tomarse al diseñar un
gráfico de control.

Muchas características de la calidad no pueden representarse

convenientemente con valores numéricos. En tales casos, cada artículo
inspeccionado por lo general se clasifica como conforme o disconforme respecto
de las especificaciones para esas características de la calidad. A las
características de la calidad de este tipo se les llama atributos.

El término atributos se utiliza en literatura sobre control de calidad para

describir dos situaciones:

1. Cada pieza producida es defectuosa o no defectuosa (cumple las

especificaciones o no).

2. Una sola pieza puede tener uno o mas defectos y el numero de estos es
determinado.

En el primer caso, una grafica de control esta basada en la distribución

binomial; en el último, la distribución de Poisson es la base para la grafica.
Se presentan dos cartas de control de atributos:
1. Gráfica de control para la fracción disconforme o gráfica p
2. Gráfica de control de disconformidades o gráfica c

Por último, hay cuatro tipos de gráficos de control para atributos según la
naturaleza del control a realizar, que son los siguientes:

Basados en la distribución Binomial:

 Gráfico np- Número de unidades defectuosas en mues tras de

 tamaño constante.

 Gráfico p - Porcentaje de unidades defectuosas en muestras de

tamaño variable.

Basados en la distribución de Poisson:

 Gráfico c - Número de defectos por muestra en mues tras de tamaño
 constante.

 Gráfico u - Número de defectos por unidad en muest ras de tamaño

variable.

 Gráfica P: Esta es una gráfica por atributos que busca

controlar la fracción de piezas no conformes que fabrica un
proceso.
Se fundamenta en la aproximación normal a la Distribución Binomial,
utiliza
como estadístico de control a p̂ proporción muestral de no

conformes,

ymediante la aplicación del criterio tres sigmas presenta los siguientes

límites de

P representa el promedio histórico de la proporción de no

conformes, y “n” el tamaño del subgrupo racional.

 Grafica NP: Esta es también otra gráfica por atributos

que tiene el mismo objetivo de la anterior, con la diferencia de
que utiliza como estadístico de control al número “X” de no
conformes presentes en el subgrupo racional. Los límites de
control para “X” por criterio tres sigmas y utilizando la
aproximación normal a la binomial son:

Dado que la distribución exacta de “X” es conocida cuando el proceso está

bajo

control, pues sigue una Binomial con parámetros “n” y “ P ”; en

esta gráfica es posible obtener los límites de control con criterio
probabilístico, que usualmente resultan más estrechos que con
criterio tres sigmas.

 Gráfica “C”: Es una gráfica por atributos utilizada para

controlar el número “C” de defectos presentes en una unidad de
muestreo.
Supone que la distribución de “C” es una Poisson, y mediante la aplicación
del
 L.S.C  C  3 criterio tres sigmas, los límites de control
para “C” son:

 

C representa el promedio histórico del número de defectos, y bajo el

supuesto
de la distribución de Poisson, es posible también obtener límites
probabilísticos.

 Gráfica “U”: Es una gráfica por atributos, conocida

también bajo el nombre de “Gráfica de defectos por unidad”

Se utiliza como alternativa del gráfico “C” cuando la unidad de muestreo esta
C
formada por “n” unidades de producción, y se define U  .
n

Los límites de control para U resultan:

U representa el promedio histórico del número de defectos por unidad.

Es de hacer notar que en todos los gráficos de Shwehart el tamaño “n” del
subgrupo racional pudiera ser variable, lo que ocasionaría limites de control
variables, situación ésta de escaso valor práctico.

CONCLUSIONES
Los gráficos de control son una herramienta poderosa para las empresas. Pero
a la vez son también un arma de doble filo, puesto que si no se conocen sus
propiedades y cualidades, pueden usarse de forma incorrecta, no sirviendo para
su propósito final – que no es otro más que mejorar los procesos de producción
y reducir los costes de todo tipo.
La variable a monitorizar ha de estar claramente definida, así como los
resultados que se espera obtener. En ese caso, hay una amplia variedad de
gráficos de control, y en este artículo se han detallado los gráficos de control por
atributos, cuya utilidad está siendo estudiada cada vez más por sus innegables
ventajas. Además, existen muchas variantes de los modelos de gráficos
originales que se adaptan a cas cualquier situación requerida.

EJERCICIOS PRACTICOS
Ejercico practico grafico “ C”
Ejercicio 1
Se han observado los defectos de 50 muestras sucesivas de 40 tarjetas electrónicas de circuitos
impresos.
 Las 50 muestras contienen 515 defectos, entonces c barra puede ser calculada mediante:

Como recordaremos de un post anterior, los límites de control de un gráfico número de defectos
vienen dado por la siguiente fórmula:

Mientras que la media del número de defectos, se calcula con la siguiente fórmula:

Entonces tenemos ya el valor de c barra, con esta información calculamos los límites de control
con las fórmulas de la Figura 3. En la siguiente figura se muestra la información necesaria para la
construcción del gráfico de control.

.
 En un post anterior que se se muestra mediante un video como se puede hacer un gráfico de
control.
Con los datos de la Figura 5, el gráfico de control nos quedaría así

Ejercicio 2 Ejemplo de la grafica “u”

Se han observado los defectos de 24 muestras sucesivas de artículos producidos en 24 turnos
sucesivos. Los datos se muestran en la siguiente tabla:

:
 En la columna E, tenemos la variable U, el número promedio de defectos por unidad de cada
muestra, se calcula dividiendo el número total de defectos de la muestra (columna D) por el
número de productos de la muestra (columna B).
Por otra parte el valor de Ubarra lo podemos calcular mediante:

La fórmula anterior nos dice que Ubarra se calcula como el cociente de dividir el número total de
defectos en las muestras (434 en la columna D de la Figura 1) por el número total de productos en
las muestras (2356 en la columna B de la Figura 1).
Entonces tenemos que:

En el post que mencionamos al inicio y que usted puede encontrar aquí, se muestra que los
límites de control de un gráfico Ubarra con tamaño de muestra variable vienen dados por la
fórmula:

Entonces tenemos ya el valor de U barra. Y tenemos los valores ni que son los tamaños de cada
muestra (columna B de la Figura 1). Esa información es suficiente para calcular los límites de
control. En la siguiente figura se muestra la información necesaria para la construcción del gráfico
de control.
.

Como antes comentamos, en un post anterior que se muestra mediante un video como se puede
hacer un gráfico de control de fracción defectuosa (tamaño de muestra variable) en Excel, el cual
es un gráfico de control similar al que estamos tratando, ya que son ambos de tamaño de muestra
variable.
Con los datos de la Figura 5, el gráfico de control nos quedaría así:
:
 Ejercicio 3 Ejemplo de la grafica “X barra R”

En la siguiente figura tenemos los datos de 40 subgrupos de tamaño 5.

las ecuaciones del gráfico de control de medias vienen dados por las siguientes fórmulas:

:
 Mientras que las fórmulas para el gráfico de rangos vienen dados por:

Se han observado los defectos de 24 muestras sucesivas de artículos producidos en 24 turnos

sucesivos. Los datos se muestran en la siguiente tabla:
Ahora bien según la tabla de constantes los valores de las contantes A2, D3 y D4, para tamaños
de subgrupos de 5, resultan ser: A2 = 0.577, D3 = 0 y D4 = 2.114
Por otra parte, graficaremos en el gráfico control de medias, el promedio de cada subgrupo, así
que tendremos que calcular el promedio de cada subgrupo. Asimismo, en el gráfico de rangos
graficaremos el rango de cada subgrupo, el cual se define para un subgrupo en particular como el
valor máximo menos el valor mínimo.
La media de los promedios de subgrupos será XDoble Barra y la media de los rangos de los
subgrupos será RBarra. Con todos estos elementos podemos calcular los límites de control de los
gráficos XBarra-R.
Los valores para el cálculo del gráfico de control de medias (XBarra) nos quedaría:
Los valores para el cálculo del gráfico de control de rangos, nos quedaría:
Ya con estos rangos de datos podemos construir los gráficos de control
Una vez hechos los gráficos de control, estos nos quedan así:
Una vez hechos los gráficos de control, estos nos quedan así: