NORMA CHILENA OFICIAL NCh42.

Of53

Control estadístico de calidad

I Preámbulo

1. La presente norma fue estudiada y preparada por la Especialidad de ESTADISTICA. El

Comité estuvo constituido por los señores:

Instituto Nacional de Investigaciones

Tecnológicas y Normalización (INDITECNOR) Leonardo Bitrán
Escuela de Economía y Comercio Ismael Cárdenas
Sociedad Industrial Pizarreño Juan Cerda
Ing. Jefe del Departamento de Normas
Técnicas del INDITECNOR José Manuel Eguiguren
Manufacturas de Cobre S.A. (MADECO) Antonio Espinoza
Compañía de Acero del Pacífico (CAP) Alvaro García
Ferrocarriles del Estado Juan Knockaert
Director del Instituto de Investigación de
Materias Prima de la Universidad de Chile Pablo Krassa
Ing. Jefe del Departamento de Investigaciones
del INDITECNOR Carlos Krumm
Corporación de Radio de Chile (RCA) Jorge Párvex
Dirección General de Industrias Jesús del Prado

2. El Instituto no ha recibido comentarios sobre la presente norma.

3. En el estudio de la presente norma se han tenido a la vista, entre otros documentos, los
siguientes:

a) AMERICAN STANDARDS ASSOCIATION, Control Chart Method of Controlling Quality

During Production - American War Standard - approved April 1942;

b) AMERICAN STANDARDS ASSOCIATION, Guide for Quality Control and Control Chart
Method of Analysing Data - American Defense Emergency Standards, Reproduced by
courtesy of the American Standards Association, New York, USA, BS 1008: 1942;

I
NCh42

c) AMERICAN SOCIETY FOR TESTING MATERIALS, ASTM, Manual on Quality Control

of Materials, enero 1951;

d) BRITISH STANDARDS INSTITUTION, British Standard for Fraction Defective Charts

for Quality Control, BS 1313-1947;

e) DUDDING, B.P. M.B.E., Ph. D., and W.J. Jennett, B. Sc. (Eng.), Quality Control
Charts, Being part 1 of a Revision of BS 600: 1935. The Application of Statistical
Methods to Industrial Standardization and Quality Control, BS 600: 1942;

f) KRUMM, CARLOS, Control de calidad en la Industria, Editorial Universitaria S.A.,

Santiago, 1949;

g) PEARSON, E.S., The Application of Statistical Methods to Industrial Standardization

and Quality Control BS 600: 1935;

h) SHEWART. Economic Control of Manufactured Product - D. van Nostrand Company

Inc., New York, 1931;

i) SIMON, LESLIE E., An Engineers’ Manual of Statistical Methods, John Wiley, New
York, 1941.

4. La presente norma contiene referencias a la siguiente norma NCh5.Of48, Símbolos

matemáticos.

5. Esta norma ha sido revisada y aprobada por el Director del Instituto Nacional de
Investigaciones Tecnológicas y Normalización (INDITECNOR), Ing. Carlos Höerning.

Declarada Norma Oficial de la Republica de Chile, por Decreto Nº 1598 (Ministerio de

Obras Públicas), del 25 de agosto de 1953.

II OBSERVACIONES

1. La aplicación de métodos estadísticos en la forma en que se prescribe en esta norma

permite observar, sistemáticamente, durante el curso de la fabricación, las variaciones de
la calidad de un producto, fijar límites económicos permisibles de variación y reducir a un
mínimo el número de piezas defectuosas. Se pueden así corregir, oportunamente, los
defectos que se producen en la manufactura, ya sea por mal ajuste de la máquina, calidad
deficiente de los materiales, errores del operador, etc., cada vez que se traspasan los
límites fijados. De esta manera se descubren las causas anormales de variabilidad,
llamadas asignables, y se las elimina tan pronto como son localizadas.

Cuando una industria usa los métodos estadísticos de control de calidad, tiene la
certidumbre de vender un producto cuyas características se mantienen dentro de ciertos
límites. Pueden así llegar a suprimirse las pruebas de recepción rutinarias. El fabricante
puede exhibir sus gráficos que dan fe de la calidad sin necesidad de ensayos o prueba

II
 NCh42

ulteriores. Donde hay dificultad de producción, los diagramas de control de calidad hacen
más difícil a los responsables del proceso ocultar el origen de una falla, ya sea usando
argumentos falsos o descargando la responsabilidad en otra persona. Por otra parte, si la
manufactura está organizada por secciones y el producto final de una es la materia prima
de la siguiente, el uso de los diagramas respectivos de control de calidad deslinda las
responsabilidades. Se comprende que esta manera, que podría llamarse automática, de
establecer las fallas, conduce a un mejoramiento de las relaciones entre ingenieros,
capataces y obreros.

Es posible mantener un control de calidad anotando los resultados en forma tabular, pero
es preferible usar la forma gráfica que es fácilmente inteligible para los operarios en los
cuales produce un efecto psicológico que los estimula al mejoramiento de la calidad.

La naturaleza del problema no permite establecer normas rígidas para fijar los límites de
control a causa de la diversidad de casos que se presentan en la práctica. Sin embargo, es
posible dar algunas recomendaciones generales basadas en la experiencia y que pueden
aplicarse a numerosos casos en el uso industrial del diagrama de control.

En la práctica se ha encontrado conveniente colocar los límites de control sobre y debajo

de la línea central de la estadística que se use ( X , σ , R , p), a distancias de 3 veces cierto
valor calculado. Estos límites se designan con el nombre de “3 sigma”. Si las
distribuciones son gaussianas existe un 99,73% de probabilidad de que una observación
caiga entre los límites + 3 σ y – 3 σ. En otros términos, la proporción de observaciones
que queda fuera de estos límites es sólo de 0,27%. Por otra parte el teorema de
Tchebychef y la fórmula de Camp y Meidell indican una probabilidad comprendida entre el
88,9% y el 95% para aquel intervalo aún cuando la distribución no sea gaussiana.

En la presente norma sólo se consideran los límites externos + 3 σ y – 3 σ. Las normas

inglesas consideran además límites internos de advertencia (warning limits) situados a la
distancia 1,96 σ sobre y debajo de la línea central. Cuando se adoptan estos límites la
proporción de observaciones que tienen un valor menor que X - 1,96 σ mayor que X +
1,96 σ es de 2,5%. En la presente norma no se dan tablas para los límites de advertencia.

III
NCh42

2. La tabla A proporciona factores auxiliares útiles para el cálculo de elementos de

diagramas de control.

Tabla A

Factores auxiliares para el cálculo de los elementos de diagramas de control de

muestras de pequeños y diferentes tamaños, cuando no se da especificación

n 1/c 2 1/d 2 n 1/c 2 1/d 2

2 1,7725 0,8865 14 1,0579 0,2935

3 1,3820 0,5907 15 1,0537 0,2880
4 1,2533 0,4857 16 1,0501 0,2831
5 1,1894 0,4299 17 1,0470 0,2787

6 1,1512 0,3946 18 1,0442 0,2747

7 1,1259 0,3698 19 1,0418 0,2711
8 1,1078 0,3512 20 1,0396 0,2677
9 1,0942 0,3367 21 1,0376 0,2647
10 1,0837 0,3249 22 1,0358 0,2618

11 1,0753 0,3152 23 1,0342 0,2592

12 1,0684 0,3069 24 1,0327 0,2567
13 1,0627 0,2998 25 1,0313 0,2544

IV
 NORMA CHILENA OFICIAL NCh42.Of53

Control estadístico de calidad

A) DEFINICION DE ESTA NORMA

Artículo 1º

Esta norma establece las fórmulas y diagramas que deben usarse para controlar
estadísticamente la calidad de la producción industrial.

B) CAMPO DE APLICACION

Artículo 2º

1. Las prescripciones de esta norma se aplicarán a la producción en serie de artículos

cuyas características de calidad:

a) Permiten una inspección de 100% de la producción;

b) No permiten una inspección del 100% de la producción.

2. Son artículos del grupo a) aquellos cuyas características de calidad pueden ser
estimadas sin ser modificadas, es decir, sin producir inutilización del artículo. Tales
características pueden ser, entre otras, las siguientes: Dimensiones, sujetas a la medida
de pasa o no pasa; características de rendimiento tales como torque de motores, tiempo
de operación de relays; características eléctricas, tales como resistencia, ampliación de
audiones; características observables por inspección visual, tales como montaje,
terminación, apariencia, defectos materiales, manchas y fallas en tejidos o en el acabado
de superficies pintadas o recubiertas con metal.

1
NCh42

3. Son artículos del grupo b) aquellos cuyas características de calidad son modificadas al
ser estimadas, es decir, aquellos cuyas características se determinan con pruebas
destructoras, inutilizándolos. Tales características pueden ser, entre otras, las siguientes:

Pruebas de duración que miden el máximo de vida útil en ampolletas eléctricas y en

correas de ventiladores; características de rendimiento que requieran un ensayo destructor
tales como poder calorífico, en calorías, de gases, combustibles líquidos y carbón;
pruebas eléctricas de conductores revestidos; propiedades físicas tales como resistencia a
la tracción de acero y pruebas de ignición de lubricantes.

C) TERMINOLOGIA

Artículo 3º

Los símbolos matemáticos empleados en esta norma se encuentran definidos

en NCh5.Of48.

Artículo 4º

En la presente norma designaremos con X cierta característica de un artículo y con

X 1 , X 2 , .... X n , n valores observados de la característica X , ordenados, de modo que
Xi ≤ Xi + 1

Artículo 5º

1. Muestra. Es una porción del material o un grupo de individuos o ejemplares extraídos

del conjunto (población), que se usan como información respecto a la calidad del
conjunto.

2. Muestra al azar. Es una muestra tomada sin preferencia y al acaso, de manera que
cualquier ejemplar tiene igual probabilidad de inclusión.

3. Población, lote o partida. Es un conjunto de ejemplares individuales procedentes de un

mismo origen. En la industria se emplean, más generalmente, los términos lote o partida.

4. Subgrupo. Uno de los grupos en que se subdivide la población, con fines de muestreo.

5. Causa asignable. Factor que contribuye a la variación de la calidad y que es posible

identificar.

6. Frecuencia de una magnitud. Es el número de veces que se presenta determinada

magnitud de una característica en los individuos que componen un lote.

7. Frecuencia relativa de una magnitud. Razón entre la frecuencia de una magnitud y el

número total de individuos que componen el lote.

2
 NCh42

8. Distribución de la frecuencia. Relación entre la frecuencia y el orden de la magnitud.

Generalmente se expresa por una curva o una ecuación.

9. Distribución normal o gaussiana. Es un tipo de distribución con la siguiente ecuación:

2
1 − x2
y = e 2σ
σ 2π

en donde:

x = X − X;

σ = desviación típica de la característica X ;

y = frecuencia relativa de un valor de X .

10. Parámetro estadístico. Es una medida estadística representativa de una característica

de calidad de un lote. Son parámetro, entre otros, el promedio, la desviación típica, etc.

11. Nivel de control. El nivel de control especifica cuantitativamente la naturaleza de la

variación estadística a que se encuentra sujeta la calidad de un material o de un artículo
manufacturado. Se especifica en términos mensurables tales como el promedio, la
desviación típica y la fracción defectuosa. En un artículo manufacturado el nivel de control
depende de la maestría del productor en el dominio del proceso técnico, de los factores
económicos, etc.

12. a) Promedio aritmético X . Está definido por la relación:

X 1 + X 2 + ... + X n 1 n
X =
n
=
n ∑X
i =1
i

b) El promedio aritmético de un parámetro variable se designará por el símbolo respectivo

con una tilde, o con dos tildes cuando se trate de promedio de promedios. Así se tendrá:

Promedio de la característica Xi : X

Promedio de las desviaciones típicas σi : σ

Promedio de los intervalos Ri : R

Promedio de las fracciones defectuosas pi : p

Promedio de los promedios Xi : X

3
NCh42

13. Intervalo R. Es la diferencia entre los valores extremos X n − X 1 .

14. a) Desviación típica (desviación standard). Está definida por la relación:

( X 1 − X ) 2 + ( X 2 − X ) 2 + ... + ( X n − X ) 2 1 n
σ =
n
=
n ∑(X
i =1
i − X )2

n
1
= ∑ X i2 − X
2

n i = 1

b) La desviación típica de un parámetro variable se designará con el símbolo σ con un

sub-índice que indicará el tipo de parámetro que se considere. Así, se tendrá:

Desviación típica de las características X i : σ x (o sólo σ )

Desviación típica de los promedios X i : σx

Desviación típica de las desviaciones típicas σi : σσ

Desviación típica de los intervalos Ri : σ R

Desviación típica de las fracciones defectuosas pi : σ p , etc.

15. Fracción defectuosa p . La fracción defectuosa es la razón entre el número de

unidades que no cumplen con la especificación requerida y el total de unidades
inspeccionadas.

16. Número de defectos p × n . El número de defectos es la cantidad de individuos

defectuosos que se presentan en una muestra o un lote inspeccionado. Es igual al
producto de la fracción defectuosa por el número total de individuos inspeccionados.

17. Diagrama de control. El diagrama de control es un gráfico, construido conforme a los

preceptos dados en las especificaciones, que sirve para visualizar, claramente, el
comportamiento de la característica observada en las muestras de un lote o de una
producción.

18. Línea central, límite superior, límite inferior. La línea central, el límite superior y el
límite inferior son elementos de un diagrama de control, que se representan,
respectivamente, con los símbolos: LC , LS y LI .

4
 NCh42

D) PRESCRIPCIONES
I. GENERALIDADES

Artículo 6º

El método de análisis de los diagramas se usará con los fines siguientes:

a) Para efectuar un control respecto a una especificación prefijada, o sea, para averiguar si
los valores observados de X , R, σ , p, etc., en las muestras, difieren de los valores
normales prefijados X ´ , R ´ , σ ´ , p ´ , etc., en una cantidad superior a la atribuible al azar.

b) Para efectuar un control cuando no se da una especificación, o sea, para averiguar si los
valores observados de X , R, σ , p, etc., para varias muestras varían entre ellas en una
cantidad mayor que la atribuible al azar. Las muestras con las cuales se determinan los
valores de los parámetros se denominan “muestras piloto”; los elementos calculados
mediante las muestras piloto servirán como datos para el constante control de la calidad
del producto. Según cuales sean las características de la producción futura, los
elementos ya establecidos podrán ir modificándose a través de nuevas extracciones de
muestras piloto.

METODO GENERAL PARA CONSTRUIR LOS DIAGRAMAS

Artículo 7º

1. Se dividirá el número total de observaciones en m sub-grupos (muestras) de

n1 , n 2 ..., n m unidades respectivamente. Esta división en sub-grupos, denominada “división
racional”, se efectuará de tal manera que los individuos dentro de cada sub-grupo tengan
entre sí cualidades comunes provenientes de una misma etapa o un mismo proceso de la
producción (provengan, por ejemplo, de un mismo lote de materia prima, o de una misma
máquina, o hayan sido producidos en determinado intervalo de tiempo). Si fuera posible
los sub-grupos se harán de igual tamaño y, preferentemente, de n ≥ 4.

5
NCh42

2. Para cada estadística X, R , σ, o p, que se desee, se construirá un diagrama cuyos

límites de control se fijarán de acuerdo con los artículos 8º, 9º, 10º y cuyas
características esenciales serán las indicadas en la figura 1.

3. En los diagramas de promedios y desviaciones típicas los puntos representativos del

promedio o de la desviación típica de cada muestra se unirán con trozos rectos.

6
 NCh42

4. Cuando se lleve simultáneamente, diagramas de los promedios y de las desviaciones

típicas, este último irá colocado inmediatamente bajo el primero, separados por un
pequeño espacio. Las abscisas deberán ser colocadas en la misma escala, (figura 2).

7
NCh42

5. En los diagramas de los intervalos, desde cada punto, correspondiente a cada medida,
se bajará, con trazo continuo, una perpendicular al eje de abscisas, (figura 3).

6. Si uno o más de los valores observados de X , R, σ , p, en algún sub-grupo (muestra),

cae fuera de los límites de control, se tomará este hecho como una indicación de la
presencia de una causa asignable en ese sub-grupo.

II. CALCULO

CONTROL RESPECTO DE UNA ESPECIFICACION

Artículo 8º

1. Los elementos de un diagrama de control, cuando existe especificación (es decir, cuando
se han dado previamente los valores de x ,σ´ o p' ), se calcularán, para cada parámetro,
como se indica en la tabla I. Los valores de las constantes A, c 2 , B2 , B1 , d 2 , D2 y D 1 se
encuentran especificados, para cada valor de n , en la tabla II.

2. Los diagramas del intervalo ( R) , [fórmulas (3), tabla 1], tendrán una precisión y
fidelidad satisfactorias solamente cuando el número de individuos de la muestra es igual o
inferior a diez ( n ≤ 10 ) . Para muestras de mayor tamaño no se recomienda el empleo de
diagramas de este parámetro, pues la precisión de ellos decrece al aumentar el tamaño n
de la muestra.

3. Cuando el tamaño n de la muestra es superior a 25, no se llevarán diagramas de

control cuyos elementos se calculan mediante los factores d 2 , D1 y D2 .

4. Cuando las muestras tienen tamaños diferentes, los límites del diagrama variarán
dentro de él.
8
 NCh42

Tabla I

Elementos principales de un diagrama de control, dados X' , σ' , p'

Parámetros que se desea controlar

Elemento Fracción defectuosa Número de defectos
Desviación
del Promedio Intervalo
típica p np
diagrama
X σ R p' > 0,1 p' ≤ 0,1 p' > 0,1 p' ≤ 0,1

(1) (2) (3) (4) (5) (6) (7)

LC
X' c 2σ ' d 2σ ' p' p' p´n p´n

p ' (1 − p ' ) p'

LS X + Aσ ' B2σ ' D 2σ ' p' + 3 p' + 3 p' n + 3 p ' n (1 − p ' ) p' n + 3 p' n
n n

p ' (1 − p ' ) p'

LI X ' − Aσ ' B1σ ' D1σ ' p' − 3 p' − 3 p' n − 3 p ' n (1 − p ' ) p' n + 3 p' n
n n

CONTROL CUANDO NO EXISTE ESPECIFICACION

Artículo 9º

1. Los elementos de un diagrama de control, cuando no existe especificación, se

calcularán, para cada parámetro, como se indica en la tabla III. Los valores de las
constantes A1 , A2 , B4 , B3 , D4 y D3 se encuentran especificados, para cada valor de n ,
en la tabla IV.

2. Los diagramas del intervalo (R) , [fórmulas (II) (3) tabla III], y los diagramas del
promedio ( X ), construidos empleando los parámetros calculados X y R , [fórmulas (II)
(1), tabla III], tendrán una fidelidad y precisión satisfactorias solamente cuando el número
de individuos de la muestra es igual o inferior a diez ( n ≤ 10 ) . Para muestras de mayor
tamaño no se recomienda el empleo de estos diagramas, pues, la precisión de ellos,
decrece al aumentar el tamaño n de la muestra.

9
NCh42

Tabla II

Factores para calcular los elementos de los diagramas de control, cuando se da una especificación

Diagrama Diagrama para desviaciones

Diagrama para intervalos
Número de individuos promedios típicas
en la muestra Factores para Factor para Factores para Factor para Factores para
límites de control línea central límites de control línea central límites de control
n A c2 B1 B2 d2 D1 D2
2 2,121 0,5642 0 1,843 1,128 0 3,686
3 1,732 0,7236 0 1,858 1,693 0 4,358
4 1,500 0,7979 0 1,808 2,059 0 4,698
5 1,342 0,8407 0 1,756 2,326 0 4,918

6 1,225 0,8686 0,026 1,711 2,534 0 5,078

7 1,134 0,8882 0,105 1,672 2,704 0,205 5,203
8 1,061 0,9027 0,167 1,638 2,847 0,387 5,307
9 1,000 0,9139 0,219 1,609 2,970 0,546 5,394
10 0,949 0,9227 0,262 1,584 3,078 0,687 5,469

11 0,905 0,9300 0,299 1,561 3,173 0,812 5,534

12 0,866 0,9359 0,331 1,541 3,258 0,924 5,592
13 0,832 0,9410 0,359 1,523 3,323 1,026 5,646
14 0,802 0,9453 0,384 1,507 3,407 1,121 5,693
15 0,775 0,9490 0,406 1,492 3,472 1,207 5,737

16 0,750 0,9523 0,427 1,478 3,532 1,285 5,779

17 0,728 0,9551 0,445 1,465 3,588 1,359 5,817
18 0,707 0,9576 0,461 1,454 3,640 1,426 5,854
19 0,688 0,9599 0,477 1,443 3,689 1,490 5,888
20 0,671 0,9619 0,491 1,433 3,735 1,548 5,922

21 0,655 0,9638 0,504 1,424 3,778 1,606 5,950

22 0,640 0,9655 0,516 1,415 3,819 1,659 5,979
23 0,626 0,9670 0,527 1,407 3,858 1,710 6,006
24 0,612 0,9684 0,538 1,399 3,895 1,759 6,031
25 0,600 0,9696 0,548 1,392 3,931 1,804 6,058

3 3 3
más de 25 1 1− 1+
n 2n 2n

10
 NCh42
Tabla III

Elementos principales de un diagrama de control sin especificación

Parámetro que se desea controlar

Elementos Desviación
Promedio Intervalo Fracción defectuosa Número de defectos
del típica
p np
diagrama σ R
X
p > 0,1 p < 0,1 p > 0,1 p < 0,1
(1) (2) (3) (4) (5) (6) (7)
X LC X σ
σ LS
(I)
X + A1 σ B4 σ
Parámetro calculado

LI X − A1 σ B3 σ

X LC X R
LS (II) X + A2 R D4 R
R LI X − A2 R D3 R
LC p p pn pn

p (1 − p ) pn + 3 pn ( 1 − p )
LS p + 3 p p n + 3 pn
p (III) n p+ 3
n

p (1 − p ) p pn − 3 pn ( 1 − p )
LI p − 3 p− 3 pn − 3 pn
n n

3. Cuando las muestras tienen el mismo tamaño, los parámetros X , σ , R y p se

calcularán de cuerdo con lo especificado en el artículo 5º, 12.

4. Cuando las muestras tienen tamaños diferentes, los elementos del diagrama variarán
dentro de él. El cálculo de X , σ , R y p se efectuará de dos maneras distintas: según que el
tamaño sea mayor que 25 (muestras grandes) o menor, o igual, que 25 (muestras pequeñas).

a) Muestras grandes (n > 25) .

Se emplearán las fórmulas indicadas a continuación (promedios ponderados).

n1 x1 + n 2 x 2 + ... + nk x k
X =
n1 + n 2 + .... + n k

n1σ 1 + n 2σ 2 + ... + n k σ k
σ =
n1 + n2 + ... + nk

n1 R1 + n 2 R2 + ... + n k Rk
R =
n1 + n2 + ... + n k

n1 p1 + n2 p 2 + ... + nk p k
p =
n1 + n2 + ... + n k

11
NCh42

b) Muestras pequeñas ( n < 25).

Para X y p se emplearán las fórmulas indicadas en 4 a). Para los otros parámetros,
las que se indican a continuación:

σ i = c 2i ⋅ σe

Ri = d 2i ⋅ Re

donde:

1 ⎛ σ1 σ σ ⎞
σe = ⎜ + 2 + ... + k ⎟
k ⎝ c 21 c 22 c2k ⎠

1 ⎛ R1 R R ⎞
Re = ⎜ + 2 + ... + k ⎟
k ⎝ d 21 d 22 d 2k ⎠

c) X i σ i Ri y pi son el promedio, la desviación típica, el intervalo y la fracción

defectuosa, respectivamente, de cada muestra de tamaño ni ⋅ c 2i y d 2i son las
constantes c 2 y d 2 (tabla IV) correspondientes al tamaño ni , de cada muestra. Para
facilitar el cálculo de σ e y Re se dan, en la tabla A de las observaciones los valores
de 1 / c 2 y 1 / d 2 .

Tabla IV

Factores para calcular los elementos de los diagramas de control, cuando no se da una especificación

Diagrama de
Número de Diagrama para desviaciones típicas Diagrama para intervalos
promedios
individuos
en la Factores Factor
Factores para límites Factores para límites Factores para límites
muestra para línea para línea
de control de control de control
central central
n A1 A2 c2 B3 B4 d2 D3 D4
2 3,760 1,880 0,5642 0 3,267 1,128 0 3,267
3 2,394 1,023 0,7236 0 2,568 1,693 0 2,575
4 1,880 0,729 0,7979 0 2,266 2,059 0 2,282
5 1,596 0,577 0,8407 0 2,089 2,326 0 2,115

6 1,410 0,483 0,8686 0,030 1,970 2,534 0 2,004

7 1,277 0,419 0,8882 0,118 1,882 2,704 0,076 1,924
8 1,175 0,373 0,9027 0,185 1,815 2,847 0,136 1,864
9 1,094 0,337 0,9193 0,239 1,761 2,970 0,184 1,816
10 1,028 0,308 0,9227 0,284 1,716 3,078 0,223 1,777
(continúa)

12
 NCh42

Tabla IV

Factores para calcular los elementos de los diagramas de control, cuando no se da una especificación
(conclusión)

Diagrama de
Número de Diagrama para desviaciones típicas Diagrama para intervalos
promedios
individuos
en la Factores Factor
Factores para límites Factores para límites Factores para límites
muestra para línea para línea
de control de control de control
central central
n A1 A2 c2 B3 B4 d2 D3 D4
11 0,973 0,285 0,9300 0,321 1,679 3,173 0,256 1,744
12 0,925 0,266 0,9359 0,354 1,646 3,258 0,284 1,716
13 0,884 0,249 0,9410 0,382 1,618 3,336 0,308 1,692
14 0,848 0,235 0,9453 0,406 1,594 3,407 0,329 1,671
15 0,816 0,223 0,9490 0,428 1,572 3,472 0,348 1,652

16 0,788 0,212 0,9523 0,448 1,552 3,532 0,364 1,636

17 0,762 0,203 0,9551 0,466 1,534 3,588 0,379 1,621
18 0,738 0,194 0,9576 0,482 1,518 3,640 0,392 1,608
19 0,717 0,187 0,9599 0,497 1,503 3,689 0,404 1,596
20 0,697 0,180 0,9619 0,510 1,490 3,735 0,414 1,586

21 0,679 0,173 0,9638 0,523 1,477 3,778 0,425 1,575

22 0,662 0,167 0,9655 0,534 1,466 3,819 0,434 1,566
23 0,647 0,162 0,9670 0,545 1,455 3,858 0,443 1,557
24 0,632 0,157 0,9684 0,555 1,445 3,895 0,452 1,548
25 0,619 0,153 0,9696 0,565 1,435 3,931 0,459 1,541

3 3 3
más de 25 1 1 − 1+
n 2n 2n

5. El número k de muestras (muestras piloto) que se elijan deberá ser suficiente para fijar
con determinada certeza, los valores de los parámetros que se considerarán comunes a
toda la producción bajo control.

6. Cuando el tamaño de la muestra es superior a 25, no se llevarán diagramas de control

cuyos elementos se calculan mediante los factores A2 , d 2 , D3 y D4 .

Artículo 10º

A los elementos de un diagrama, cuyo cálculo conduzca a una cantidad negativa, se les
asignará el valor 0.

13
NCh42

E) ANEXO

I. CALCULO DE PARAMETROS

1. Promedio aritmético (artículo 3º, 12).

Se han obtenido las siguientes observaciones de una característica:

X = 12,0; 12,6; 14,4; 14,9; 15,5; 16,2; 16,7; 17,6; 18,0; 18,3.

Su promedio será: X = (12,0 + ... + 18,3) /10 = 15,62.

2. Intervalo (artículo 3º, 13).

Con las cifras de las observaciones anteriores tendremos:

R = 18,3 - 12,0 = 6,3.

3. Desviación típica (artículo 3º, 14)

Con las cifras de las observaciones anteriores tendremos:

σ = (12,0 2 + ... + 18,3 2 ) / 10 − 15,62 2 = 2,06

Existen, prácticamente, otras dos formas de cálculo: método del falso cero en población
pequeña y método del falso cero en población numerosa.

a) Falso cero en población pequeña:

Se pueden deducir, en un mismo cuadro, el promedio y la desviación típica usando un

falso cero, aproximadamente igual al promedio, lo que permite operar con cifras más
pequeñas.

El cálculo se dispondrá como se indica en la tabla a.

Promedio respecto del cero verdadero X = 15 + 0,62 = 0,62 = 15,62

Cuadrado de la desviación típica:

σ 2 = 4,636 − (0,62) 2 = 4,636 − 0,3844 = 4,251 6

Desviación típica: σ = 4,2516 = 2,06

14
 NCh42

b) Falso cero en población numerosa:

Un ejemplo de este cálculo se encuentra indicado en la tabla b. En caso de muchas

observaciones ( X 1 , X 2 , ... X n ), se dividirá el intervalo total de variación en 10 a
20 intervalos menores generalmente iguales ( X − X 1 = X b − X = ... = X n − X p ,
ª ª
iguales a 0,3 en nuestro ejemplo). Se llevará entonces a una tabla, en la primera
X a − X1 X b − X a Xn − X p
columna, los valores medios de cada intervalo ; ; ⋅ ⋅⋅; y
2 2 2
frente a ellos, en una segunda columna, la frecuencia de las observaciones dentro de
cada intervalo (a, b − a, ..., n − p ). Se elegirá, enseguida, un falso cero (F )
aproximadamente igual al promedio. Generalmente se elige como F el valor que
corresponde a una máxima frecuencia (2,8 en nuestra tabla). En la columna 3 de la
tabla se anotarán las diferencias a partir de 2,8, en intervalos, o sea, referidos a 0,3.
Así por ejemplo para 1,6 se tendrá:

1,6 − 2,8 1,2

=− =−4
0,3 0,3

En la columna 4 de la tabla se anotarán los productos de los valores de las columnas 2 y 3

con el signo correspondiente y las sumas de las cantidades negativas y positivas.

En la columna 5 se anotarán los productos de los valores de las columnas 3 y 4.

La continuación del cálculo y la obtención de los resultados se consignan, en detalle, a

continuación de la tabla b.

Tabla a

Cálculo del promedio y de la desviación típica

Diferencias de 15 Cuadrados de las

Valores observados
(Desviaciones del falso cero) diferencias
2
(X) ( X - 15) ( X - 15)

C1 C2 C3
12,0 - 3,0 9,00
12,6 - 2,4 5,76
14,4 - 0,6 0,36
14,9 - 0,1 0,01
15,5 + 0,5 0,25
16,2 + 1,2 1,44
16,7 + 1,7 2,89
17,6 + 2,6 6,76
18,0 + 3,0 9,00
18,3 + 3,3 10,89
Totales 12,3 - 6,1 = + 6,2 46,36
Promedios ( n = 10) 6,2/10 = 0,62 46,36/10 = 4,636

15
NCh42

Tabla b

Cálculo del promedio y de la desviación típica en el caso de observaciones numerosas

Número de Distancia de
Puntos medios
observaciones 2,8 en C2 ⋅ C3 C3 ⋅ C4
de los grupos
en cada grupo intervalos
C1 C2 C3 C4 C5

1,0 2 -6 - 12 72
1,3 29 -5 - 145 725
1,6 62 -4 - 248 992

1,9 106 -3 - 318 954

2,2 153 -2 - 306 612
2,5 186 -1 - 186 186

2,8 193 0 - 1 215 0

3,1 188 +1 188 188

3,4 151 +2 302 604
3,7 123 +3 369 1 107

4,0 82 +4 328 1 312

4,3 48 +5 240 1 200
4,6 27 +6 162 972

4,9 14 +7 98 686
5,2 5 +8 40 320
5,5 1 +9 9 81
+ 1 736
Totales 1 370 1 736 - 1 215 = + 521 10 011

Promedio

Promedio relativo al falso cero (2,8) = 521/1 370

= 0,38 (en intervalos)
= 0,38 x 0,3 (en unidades reales)
= 0,114

Promedio verdadero X = 2,8 + 0,114 = 2,914

16
 NCh42

Desviación típica

Cuadrado de la desviación típica relativa al

falso cero = 10 011/1 370
= 7,307
Cuadrado de la desviación típica = 7,307 - 0,382
= 7,307 - 0,144 4 = 7,162 6 (en intervalos)

Desviación típica = 7,162 6

= 2,676 (en intervalos)
= 2,676 x 0,3 (en unidades reales)
σ = 0,803

4. Fracción defectuosa y número de defectos (artículo 3º, 15 y 16)

En la tabla c se consigna el método de cálculo y de ordenación para la fracción defectuosa

y el número de defectos en el caso de 3 000 observaciones divididas en 5 grupos
de 600 cada uno.

Tabla c

Fracción defectuosa y número de defectos

Número de unidades Unidades defectuosas

Sub-grupo Fracción defectuosa
inspeccionadas (número de defectos)
100 p
Nº n n1 = n p n1 / n = p
%
1 600 25 0,042 4,2
2 600 16 0,027 2,7
3 600 19 0,032 3,2
4 600 37 0,062 6,2
5 600 34 0,023 2,3
Total 3 000 111 Promedio 3,7%

111
Promedio p = = 0,037 = 3,7%
3 000

La fracción defectuosa se usa en el caso que se consideren los atributos, como por
ejemplo, en los casos de piezas calibradas según el sistema de “pasa y no pasa” o bien de
defectos tales como manchas, mal acabado u otros defectos inspeccionados visualmente.

Se usará de preferencia el diagrama de p cuando n ≥ 50 , o bien, cuando el número de

defectos probables por sub-grupo es de 4 o más de 4, o sea cuando: p ⋅ n ≥ 4.

17
NCh42

El diagrama del número de defectos p⋅ n, o sea la fracción defectuosa multiplicada por el

tamaño de la muestra, se usará de preferencia cuando todas las muestras son de igual
tamaño.

II. EJEMPLOS DE CONTROL RESPECTO DE UNA ESPECIFICACION

1. Ejemplo E1

Un fabricante desea mantener el promedio y la desviación típica de cierta característica de

calidad dentro de los límites aceptables de variación que exigen las prescripciones
promedio X ´ = 35 kg; desviación típica σ ' = 4,20 kg.

Con este propósito toma diariamente muestras iguales de 50 individuos (n = 50) .

Los datos que ha obtenido en 10 días consecutivos están consignados en la tabla d.

Tabla d

Tamaño de la
Muestra Promedio Desviación típica
muestra
Nº n X σ
1 50 35,7 5,35
2 50 34,6 5,03
3 50 32,6 3,43
4 50 35,3 4,55
5 50 33,4 4,10
6 50 35,2 4,30
7 50 33,3 5,18
8 50 33,9 5,30
9 50 32,3 3,09
10 50 33,7 3,67
Σ = 500 340,0 44,00

Se trata, en este caso, de muestras grandes (n > 25) , iguales.

18
 NCh42

a) Promedios [columna (1), tabla I]

De la tabla II obtiene:

3 3
A = = = 0,424
n 50

Luego:

LC = X ' = 35

LS = X ' + Aσ ' = 35 + 0,424 ⋅ 4,2 = 36,78

LI = X ' − Aσ ' = 33,22

Con estos valores traza los elementos del diagrama de promedio P1 .

b) Desviaciones típicas [columna (2), tabla I]

De la tabla II obtiene:

3 3 3
c 2 = 1; B2 = 1 + = 1 + = 1, 3; B1 = 1 − = 0,7
2n 100 2n

Luego:

LC = c 2 σ ' = σ ' = 4,2

LS = B2 σ ' = 1,3 ⋅ 4,2 = 5,46

LI = B1 σ ' = 0,7 ⋅ 4,2 = 2,94

Con estos valores traza los elementos del diagrama de desviaciones típicas D1 .

19
NCh42

c) Diagramas

En el diagrama P1 coloca, uno a uno, los promedios observados y con el diagrama D1 ,

las desviaciones típicas observadas. Enseguida une los puntos con trazos rectos.
(Diagrama I).

d) Conclusiones

Del diagrama de promedios concluye que, en el tercer y noveno días, hubo falta de
control o causa asignable de perturbación en algún proceso de la fabricación.

2. Ejemplo E2

Un industrial desea mantener el promedio y la desviación típica de cierta característica de

calidad dentro de los límites aceptables de variación que exigen las prescripciones:
promedio X ' = 54; desviación típica σ ' = 3,5 .

20
 NCh42

Con este propósito toma diariamente muestras de tamaño proporcional al de la producción

( n =50; 100). Los datos que ha obtenido en 10 días consecutivos de control están
consignados en la tabla e.

Se trata, en este caso, de muestras grandes (n > 25) , desiguales.

a) Promedios [columna (1), tabla I]

De la tabla (II) obtiene:

3 3
para n = 50 : A = = = 0,424
n 50

3 3
para n = 100 : A' = = = 0,300
n 100

Luego:

para n = 50 : LC = X ' = 54

LS = X ' + Aσ ′ = 54 + 0,424 ⋅ 3,5 = 55,48

LI = X ' − Aσ ′ = 52,52

para n = 100 : LC = X ' = 54

LS = X ' + Aσ ' = 54 + 0,300 ⋅ 3,5 = 55,05

LI = X ' − Aσ ' = 52,95

Con estos valores traza los elementos del diagrama de promedio P2 .

Tabla e

Tamaño de la muestra Promedio Desviación típica

Día
n X σ
1 50 55,7 4,35
2 50 54,6 4,03
3 100 52,6 2,43
4 50 55,0 3,56
5 50 53,4 3,10
6 50 55,2 3,30
7 100 53,3 4,18
8 100 52,3 4,30
9 50 53,7 2,09
10 50 54,3 2,67

21
NCh42

b) Desviaciones típicas [columna (2), tabla I]

De la tabla II obtiene:

para n = 50 : c2 = 1

3 3
B2 = 1 + = 1 + = 1,3
2n 2 ⋅ 50

3
B1 = 1 − = 0,7
2n

para n = 100 : c' 2 = 1

3 3
B' 2 = 1 + =1+ = 1 + 0,212 = 1,212
2n 2 ⋅ 100

3
B '1 = 1 − = 0,788
2n

Luego:

para n =50 : LC = c 2 σ ' = σ ' = 3,5

LS = B2σ ' = 1,3 ⋅ 3,5 = 4,55

LI = B1σ ' = 0,7 ⋅ 3,5 = 2,45

para n = 100 : LC = c' 2 σ ' = σ ' = 3,5

LS = B' 2 σ ' = 1,212 ⋅ 3,5 = 4,24

LI = B '1 σ ' = 0,788 ⋅ 3,5 = 2,76

Con estos valores traza los elementos del diagrama de desviaciones típicas D2 .

22
 NCh42

c) Diagramas

En el diagrama P2 coloca, uno a uno, los promedios observados y en el D2 , las

desviaciones típicas observadas. Enseguida une los puntos con trazos rectos
(Diagrama II).

d) Conclusiones

De ambos diagramas concluye que la calidad de su producción no ha alcanzado los

niveles que se había fijado, puesto que repetidas observaciones dan valores que salen
fuera de los límites tanto en uno como en otro diagrama. El industrial deberá revisar el
proceso de fabricación y verificar si es posible, con los medios de que dispone, llegar a
los niveles deseados.

23
NCh42

3. Ejemplo E3

Se están produciendo tubos de vidrio para cuyo diámetro interior el fabricante se ha

fijado las especificaciones: X ' = 6,23 mm, σ ' = 0,056 mm. Para los efectos del
control, se han tomado siete muestras sucesivas de ocho observaciones cada una,
obteniendo los resultados que se consignan en la tabla f.

Tabla f

Muestra Tamaño de la Promedio X Desviación típica σ

muestra n
Nº mm mm
1 8 6,234 0,055
2 8 6,235 0,053
3 8 6,219 0,032
4 8 6,219 0,071
5 8 6,204 0,050
6 8 6,259 0,049
7 8 6,215 0,053

Se trata de muestras chicas (n < 25) , iguales.

a) Promedios [columna (1), tabla I]

De la tabla II se obtiene:

A = 1,061

Luego:

LC = X ' = 6,23

LS = X ' + Aσ ' = 6,23 + 1,061 ⋅ 0,056

= 6,23 − 0,059 = 6,29

LI = X ' − Aσ ' = 6,23 − 0,059 = 6,17

(Diagrama P3)

24
 NCh42

b) Desviaciones típicas [columna (2), tabla I]

De la tabla II se obtiene:

c2 = 0,9027; B2 = 1,638; B1 = 0,167

Luego:

LC = c 2σ ' = 0 ,902 7 ⋅ 0 ,056 = 0 ,050 6

LS = B2σ ' = 1,638 ⋅ 0,056 = 0,091 7

LI = Bσ ' = 0,167 ⋅ 0,056 = 0,009 3

(Diagrama D3)

25
NCh42

c) Diagramas

Ver diagrama III.

d) Conclusiones

De los diagramas se concluye que la producción está bien controlada, en lo que a

estas siete muestras respecta.

4. Ejemplo E4

Un industrial desea controlar la resistencia eléctrica, de ciertos artefactos que produce,

después de hacerlos trabajar durante 100 h.

26
 NCh42

De cada 10 lotes ha elegido, al azar, una muestra de cinco unidades que somete a la prueba
mencionada. Por causas extrañas algunos de los artefactos fallaron, de modo que ciertas
muestras quedaron reducidas a tres individuos. Los resultados obtenidos están consignados
en la tabla g. El industrial se ha fijado las especificaciones: X ' = 150 ohm; σ ' = 7,5 ohm.

Tabla g

Muestra Tamaño Promedios Desviación típica

Nº n X σ
1 5 154,6 12,20
2 5 143,4 9,75
3 5 136,0 4,32
4 3 152,7 7,43
5 3 147,3 8,65
6 3 161,7 9,23
7 5 151,0 7,24
8 5 156,2 8,92
9 5 153,8 6,85
10 3 138,2 7,38

Se trata, en este caso, de muestras chicas (n < 25) , desiguales.

a) Promedios [columna (1), tabla I]

De la tabla II obtiene:

para n = 3 : A = 1,732

para n = 5 : A' = 1,342

Luego:

para n = 3 : LC = X ' = 150

LS = X ' + Aσ ' = 150 + 1,732 ⋅ 7,5 = 163,0

LI = X ' − A σ ' = 137,0

para n =5 : LC = X ' = 150

LS = X ' + A 'σ ' = 150 + 1,342 ⋅ 7,5 = 160,1

LI = X ' − A'σ ' = 139,9

(Diagrama P4)

27
NCh42

b) Desviaciones típicas [columna (2), tabla I]

De la tabla II obtiene:

para n = 3 : c 2 = 0,7236 B2 = 1,858 B1 = 0

para n = 5 : c' 2 = 0,8407 B ' 2 = 1,756 B '1 = 0

Luego:

para n = 3 : LC = c 2σ ' = 0,7236 ⋅ 7,5 = 5,43

LS = B2σ ' = 1,858 ⋅ 7,5 = 13,5

LI = B1σ ' = 0

para n = 5 : LC = c' 2 σ ' = 0,8407 ⋅ 7,5 = 6,31

LS = B' 2 σ ' = 1,756 ⋅ 7,5 = 13,2

LI = B' 2 σ ' = 0

(Diagrama D4)

28
 NCh42

c) Diagramas

Ver diagrama IV.

d) Conclusiones

Salvo la muestra número tres, que denota perturbación apreciable, la producción se

mantiene en un nivel más o menos aceptable. Sin embargo, la cercanía de algunos
valores a los límites de control hace pensar en la necesidad de ajustar algo más los
métodos productivos, con fines de mayor seguridad.

29
NCh42

5. Ejemplo E5

Un fabricante de golillas galvanizadas desea controlar su producción respecto al acabado

de las golillas, al nivel de cuatro defectos por cada 1 000 golillas ( p ' = 0,004). Los
defectos pueden ser puntos en que el zinc no ha tomado, dejando el acero expuesto, o
bien, golillas en las que el galvanizado no es parejo.

Con este objeto toma muestras de 400 golillas cada una, correspondientes a lotes
sucesivos. Los resultados obtenidos con 10 lotes están consignados en la tabla h.

Tabla h

Tamaño de la
Lote
muestra
Nº n p ⋅ n
1 400
2 400
3 400
4 400
5 400
6 400
7 400
8 400
9 400
10 400
Número de defectos Fracción defectuosa
p
1 0,0025
3 0,0075
0 0
7 0,0175
2 0,0050
0 0
1 0,0025
0 0
8 0,0200
5 0,0125

Se trata de muestras iguales con p ' < 0,1 .

a) Número de defectos [columna (7), tabla I]

LC = p' n = 0,004 ⋅ 400 = 1,6

LS = p' n + 3 p' n = 1,6 + 3 1,6 = 1,6 + 3,8 = 5,4

LI = p ' n − 3 p ' n = (negativo) = 0

30
 NCh42

b) Diagrama

Ver diagrama V.

c) Conclusiones

Es evidente la falta de control en los lotes correspondientes a las muestras 4 y 9.

6. Ejemplo E6

En una fabricación se desea controlar la capacidad de un producto al nivel p ' = 0,014,

o sea, 14 defectos por mil.

Debido al carácter de la fabricación, se toman muestras iguales al 10% de la producción

diaria, que es variable, y resultan así muestras de diferentes tamaños; en consecuencia,
los límites de control resultan distintos según el tamaño de la muestra.

31
NCh42

Las observaciones obtenidas en 10 lotes se consignan en la tabla i.

Tabla i

Tamaño de la
Lote
muestra
Nº n p ⋅ n
1 580
2 550
3 580
4 640
5 550
6 580
7 580
8 550
9 330
10 330
Número de defectos Fracción defectuosa
p
9 0,0155
7 0,0127
3 0,0052
9 0,0141
10 0,0182
12 0,0207
7 0,0121
5 0,0091
4 0,0121
2 0,0061

Se trata, en este caso, de muestras diferentes, con p ' < 0,1.

a) Fracción defectuosa [columna (5), tabla I]

LC = p' = 0,014

p'
LS = p' + 3
n

p'
LI = p' − 3
n

Con estas fórmulas obtenemos:

Muestra
1 2 3 4 5 6 7 8 9 10
Nº
LS 0,029 0,029 0,029 0,028 0,029 0,029 0,029 0,029 0,033 0,033
LI 0 0 0 0 0 0 0 0 0 0

32
 NCh42

b) Diagrama

Ver diagrama VI.

c) Conclusiones

De los límites del diagrama y de las observaciones obtenidas deducimos que la

producción se encuentra bajo un control satisfactorio.

33
NCh42

III. EJEMPLOS DE CONTROL SIN ESPECIFICACION

1. Ejemplo E7

Un industrial desea saber si su producción está controlada y averiguar si hay o no causas

extrañas de perturbación. Con tal propósito toma muestras diarias de 50 individuos, durante
10 días consecutivos. Los resultados obtenidos se encuentran consignados en la tabla j.

Se trata de muestras grandes (n > 25) e iguales.

a) Promedios [columna (1) línea (I), tabla III]

El industrial ha determinado los valores X = 33,9 y σ = 4,40 de la tabla j.

De la tabla IV obtiene:

3 3
A1 = = = 0,425
n 50

Luego:

LC = X = 33,9

LS = X + A1 σ = 33,9 + 0,425 ⋅ 4,40 = 33,9 + 1,9 = 35,8

LI = X − A1σ = 33,9 − 1,9 = 32,0

Ver diagrama P7.

Tabla j

Tamaño de la
Muestra Promedio Desviaciones típicas
muestra
Nº n X σ
1 50 34,8 5,35
2 50 35,1 4,00
3 50 33,2 4,55
4 50 35,2 3,73
5 50 35,0 4,73
6 50 31,5 3,77
7 50 32,0 5,30
8 50 33,4 4,30
9 50 33,9 4,98
10 50 34,8 3,29
Totales 500 338,9 44,00
Promedios X = 33,9 σ = 4,40

34
 NCh42

b) Desviaciones típicas [columna (2), tabla III]

De la tabla IV obtiene:

3 3
B4 = 1 + =1+ = 1,3
2n 100

3
B3 = 1 − = 0,7
2n

Luego:

LC = σ = 4,40

LS = B4 σ = 1,3 ⋅ 4 ,40 = 5,72

LI = B3 σ = 0,7 ⋅ 4,40 = 3,08

Ver diagrama D7

35
NCh42

c) Diagramas

Ver diagrama VII.

d) Conclusiones

Los promedios acusan falta de control en la producción de los días 6º y 7º.

2. Ejemplo E8

Un industrial desea averiguar si existen causas asignables a cierta característica de un

artículo que produce. Para ello examina 10 lotes sucesivos de los cuales ha tomado
muestras de 50 y 100 individuos.

36
 NCh42

Las observaciones se encuentran consignadas en la tabla k.

Tabla k

Tamaño de la
Lote Promedios Desviación típica
muestra
Nº n X σ
1 50 55,0 4,36
2 50 55,2 4,04
3 50 54,4 2,42
4 100 53,3 3,55
5 100 52,3 2,09
6 50 55,6 4,18
7 50 53,4 3,56
8 100 55,7 2,67
9 100 55,3 2,43
10 100 54,5 4,03
Total ∑ n = 750 ∑ nX = 40 790 ∑ nσ = 2 405

∑ nX 40 790 ∑ nσ 2 405
Promedios ponderados X = = = 54,4 σ = = = 3,21
∑n 750 ∑n 750

Se trata en este caso de muestras grandes (n > 25), de tamaños diferentes.

a) Promedios [columna (1), línea (1), tabla III]

Los valores de X y σ los calcula de acuerdo con el artículo 9º, inciso 4 a) y obtiene:

X = 54,4 σ = 3,21

De la tabla IV obtiene:

3 3
para n = 50 : A1 = = = 0,425
n 50

3
para n = 100 : A´1 = = 0 ,3
100

Luego:

para n = 50 : LC = X = 54,4

LS = X + A1σ = 54,4 + 1,4 = 55,8

LI = X − A1σ = 53,0

37
NCh42

para n = 100 : LC = X = 54,4

LS = X + A'1 σ = 54,4 + 1,0 = 55,4

LI = X − A'1 σ = 53,4

Ver diagrama P8

b) Desviaciones típicas [columna (2), tabla III]

De la tabla IV obtiene:

3 3
para n = 50 : B4 = 1 + =1 + = 1,3
2n 100
3
B3 = 1 = 0,7
2n
3
para n = 100 : B' 4 = 1 + = 1 + 0,21 = 1,21
200
3
B'3 = 1 − = 1 − 0,21 = 0,79
200

Luego:

para n = 50 : LC = σ = 3,21

LS = B4σ = 1,3 ⋅ 3,21 = 4,17

LI = B3σ = 0,7 ⋅ 3,21 = 2,25

para n = 100 : LC = σ = 3,21

LS = B' 4 σ = 1,21 ⋅ 3,21 = 3,89

LI = B '3 σ = 0,79 ⋅ 3,21 = 2,53

Ver diagrama D8

38
 NCh42

c) Diagramas

Ver diagrama VIII.

d) Conclusiones

El diagrama VIII muestra que la producción tiene un bajo nivel de control y que
existen causas asignables de perturbación.

39
NCh42
3. Ejemplo E9

Un productor de cables de acero ha tomado muestras de cuatro cables, de cada uno

de 10 lotes y los ha sometido a ensayos de tracción. El industrial desea controlar su
producción respecto del promedio y el intervalo. Los resultados se encuentran
consignados en la tabla I.
Tabla I

Ensaye de resistencia a la ruptura de cable de acero

Ensayos
Lote Promedio Intervalo
Nº X R
x1 x2 x3 x4

1 3 397,3 3 417,8 3 381,5 3 392,5 3 397,3 36,3

2 2 971,0 2 946,0 2 959,6 2 932,4 2 952,2 38,6
3 3 172,8 3 172,8 3 161,4 3 120,7 3 156,9 52,1
4 3 195,5 3 202,3 3 218,2 3 191,0 3 201,8 27,2
5 3 045,8 3 057,1 3 075,3 3 048,1 3 056,6 29,5
6 2 986,8 3 007,3 3 027,7 3 014,1 3 009,0 40,9
7 2 993,7 2 989,1 2 998,2 3 016,4 2 999,4 27,3
8 3 023,2 3 025,5 3 007,3 3 020,9 3 019,2 18,2
9 2 921,0 2 914,2 2 930,1 2 934,6 2 925,0 20,4
10 3 020,9 3 007,3 2 996,0 3 005,0 3 007,3 24,9
∑ 30 724,7 315,4

Promedios ∑ / 10 3 072,5 31,5

Se trata, en este caso, de muestras chicas (n < 25) e iguales. Según el artículo 9º,
inciso 2, le resulta satisfactorio el control respecto de R , puesto que n < 10.

a) Promedios [columna (1), línea (II), tabla III]

Los valores de X y R los obtiene de acuerdo con el artículo 9º, inciso 3 y le resultan:

X = 3 072,5 R = 31,5

De la tabla IV obtiene:

A2 = 0,729

Luego:

LC = X = 3 072,5

LS = X + A2 R = 3 072,5 + 0,729 ⋅ 31,5 = 3 095,5

LI = X − A2 R = 3 049,5

Ver diagrama P9
40
 NCh42

b) Intervalo [columna (3), tabla III]

De la tabla IV obtiene:

D4 = 2,282 ; D3 = 0

Luego:

LC = R = 31,5

LS = D4 R = 2,282 ⋅ 31,5 = 72

LI = D3 R = 0

Ver diagrama R9

41
NCh42

c) Diagramas

Ver diagrama IX.

d) Conclusiones

De la observación del diagrama P9, deduce que existe anormalidad en la producción.

42
 NCh42

4. Ejemplo E10

En un laboratorio hay 16 máquinas de tensión del tipo horizontal. Se hacen ensayos con
alambres de igual diámetro en todas las máquinas y se obtienen los resultados
apuntados en la tabla m. Debido a causas externas algunos ensayos han debido
eliminarse de modo que resultan muestras de cuatro y de cinco ensayos.

Tabla m

Calibración de máquinas horizontales de tracción

Valores de los ensayos Promedio Desviación típica σ

Máquina Nº de
Nº ensayos 1 2 3 4 5 X n= 4 n =5

1 5 73 73 73 75 75 73,8 0,98
2 5 70 71 71 71 72 71,0 0,63
3 5 74 74 74 74 75 74,2 0,40
4 5 70 70 70 72 73 71,0 1,26
5 5 70 70 70 70 70 70,0 0
6 5 65 65 66 69 70 67,0 2,10
7 4 72 72 74 76 - 73,5 1,66 -
8 5 69 70 71 73 73 71,2 1,60
9 5 71 71 71 71 72 71,2 0,40
10 5 71 71 71 71 72 71,2 0,40
11 5 71 71 72 72 72 71,6 0,49
12 5 70 71 71 72 72 71,2 0,75
13 5 73 74 74 75 75 74,2 0,75
14 5 74 74 75 75 75 74,6 0,49
15 5 72 72 72 73 73 72,4 0,49
16 4 75 75 75 76 - 75,3 0,44 -
78 Sumas 2,10 10,74
Promedio ponderado X 72,03

Se trata, en este caso, de muestras chicas ( n < 25), de tamaños diferentes.

a) Promedios [columna (1), línea (I); tabla (II)]

Para el cálculo de X se empleará lo prescrito en el artículo 9º, inciso 4 b) y se

obtendrá: X = 72,03 . Como lo indica el mismo inciso, el cálculo de σ se realizará
de la siguiente manera:

De la tabla IV y la A de Observaciones:

para n = 4 c 2 = 0,797 9 1 / c 2 = 1,253 3

para n = 5 c´ 2 = 0 ,840 7 1 / c' 2 = 1,189 4

43
NCh42

Puesto que el número de muestras es k = 16 tendremos:

σe =
1
16
[1,253 3 ⋅ 2,10 + 1,189 4 ⋅ 10,74]

15,4
σe = = 0,96
16

Luego:

para n = 4 σ = 0,79 9 ⋅ 0,96 = 0,77

para n = 5 σ ' = 0,840 7 ⋅ 0,96 = 0,81

Ahora bien, de la tabla IV obtenemos:

para n = 4 : A1 = 1,880

para n = 5 : A'1 = 1,596

Luego:

para n = 4 : LC = X = 72,03

LS = X + A1σ = 72,03 + 1,880 ⋅ 0,77 = 72,03 + 1,45 = 73,48

LI = X − A1σ = 70,58

para n = 5 : LC = X = 72,03

LS = X + A'1 σ ' = 72,03 + 1,596 ⋅ 0,81 = 72,03 + 1,29 = 73,32

LI = X − A'1 σ ' = 70,74

Ver diagrama P10

b) Desviaciones típicas [columna (2), tabla III]

De la tabla IX obtenemos:

para n = 4 : B4 = 2,266 B3 = 0

para n = 5 : B ' 4 = 2,089 B'3 = 0

44
 NCh42

Luego:

para n = 4 : LC = σ = 0,77

LS = B4σ = 2,266 ⋅ 0,77 = 1,74

LI = B3σ = 0,00

para n = 5 : LC = 0,81

LS = Bσ ' = 2,089 ⋅ 0,81 = 1,69

LI = B '3 σ ' = 0,00

Ver diagrama D10

45
NCh42

c) Diagramas

Ver diagrama X.

d) Conclusiones

De los diagramas se concluye que hay fuertes variaciones de la calidad de las

máquinas unas respecto de las otras (Diagrama P10), y, caída de la calidad en la
máquina número 6 (Diagrama D10).

46
 NCh42

5. Ejemplo E11

En una fábrica de conductores revestidos, se somete el conductor a una prueba de

aislación que consiste en dar al alambre una tensión determinada y hacerlo pasar, en
forma continua, a través de la máquina de ensaye. Si el revestimiento es defectuoso el
conductor se corta en los puntos débiles. Habrá entonces un cierto número de
cortaduras por cada longitud que se haya elegido como unidad.

Tabla n - Número de cortaduras en longitudes sucesivas de 3 000 m cada una

Longitudes de Longitudes de Longitudes de Longitudes de

Número de Número de 3 000 m c/u Número de 3 000 m c/u Número de
3 000 m c/u cortaduras 3 000 m c/u cortaduras cortaduras cortaduras
Nº Nº Nº Nº
1 1 9 1 17 1 24 7
2 1 10 1 18 6 25 9
3 3 11 10 19 12 26 2
4 7 12 5 20 4 27 3
5 8 13 0 21 5 28 14
6 1 14 19 22 1 29 6
7 2 15 16 23 8 30 8
8 6 16 20 - - - -
TOTALES 30 187

En el caso que tratamos se eligió una longitud de 3 000 m porque se determinó, en

ensayos previos, que en longitudes menores el número de defectos era muy pequeño.

Los resultados obtenidos en 90 000 m de alambre (30 longitudes de 3 000 m cada una)
se consignan en la tabla n.

Se trata entonces de llevar un diagrama del número de defectos ( pn) , de muestras

iguales (3 000 m).

a) Número de defectos [(columna 7), tabla III]

Elegimos las fórmulas de las columnas c7 porque; si consideramos la fracción

defectuosa, por metro, tendremos:

187
p= < 0,1
90 000

47
NCh42

Luego:

187
LC = pn = = 6,23 ≈ 6,2
30

LS = pn + 3 pn = 6,2 + 3 6,23 = 6,2 + 7,5 = 13,7

LI = pn − 3 pn = 6,2 − 7,5 = neg. = 0

b) Diagramas

Ver diagrama XI.

c) Conclusiones

El diagrama muestra causas asignables en las longitudes números 14, 15, 16 y 28.
Estos defectos pueden deberse a mala calidad de la aislación, colocación defectuosa
de ella, etc.

48
 NCh42

6. Ejemplo E12

Se han examinado 10 lotes de cierto producto en planchas, revestido, y se han

encontrado defectos en este revestimiento, según se anota en la tabla p.

Se trata en este caso de muestras de tamaños diferentes, por lo tanto, habrá que llevar
control del parámetro fracción defectuosa ( p ) .

Tabla p

Número de piezas
Lote Tamaño de la muestra Fracción defectuosa
defectuosas
Nº n pn p

1 500 9 0,0180
2 500 10 0,0200
3 800 12 0,0150
4 800 14 0,0175
5 500 8 0,0160
6 880 14 0,0159
7 550 10 0,0182
8 500 12 0,0240
9 880 7 0,0080
10 880 3 0,0034

TOTAL 6 790 99

a) Fracción defectuosa [columna (5), tabla III]

Se han tomado las fórmulas de la columna (5) porque de la tabla p, de datos,

obtenemos:

99
p= = 0,014 6 < 0,1
6 790

Luego:

LC = p = 0,014 6

p
LS = p + 3
n

p
LI = p − 3
n

49
NCh42

De estas fórmulas se obtienen los valores:

Lote
1 2 3 4 5 6 7 8 9 10
Nº

LS 0,0308 0,0308 0,0275 0,0275 0,0308 0,0269 0,0302 0,0308 0,0269 0,0269

LI 0 0 0,0017 0,0017 0 0,0023 0 0 0,0023 0,0023

b) Diagramas

Ver diagrama XII.

c) Conclusiones

El diagrama muestra control satisfactorio y ausencia de causas asignables.

50
NORMA CHILENA OFICIAL NCh 42.Of53

INSTITUTO NACIONAL DE NORMALIZACION z INN-CHILE

Control estadístico de calidad

Statistical quality control

Primera edición : 1953

Reimpresión : 2007

Descriptores: control de calidad, control estadístico de la calidad, tablas estadísticas

CIN 03.120.30
COPYRIGHT © 1958: INSTITUTO NACIONAL DE NORMALIZACION - INN * Prohibida reproducción y venta *
Dirección : Matías Cousiño Nº 64, 6º Piso, Santiago, Chile
Web : www.inn.cl
Miembro de : ISO (International Organization for Standardization) • COPANT (Comisión Panamericana de Normas Técnicas)