Control Estadístico de Procesos

Ejemplo 1:
Los anillos para pistones de un motor de automóvil se producen mediante
un proceso de fundición. Quiere establecerse el control estadístico del diámetro
interior de los anillos fabricados con este proceso utilizando cartas X y R. Se
toman 25 muestras, cada una de tamaño 5, cuando se considera que el proceso
está bajo control con intervalos de una hora entre cada muestra. Construya el
gráfico de control antes mencionado para este caso.

Mediciones del diámetro interior (mm) de anillos fundidos para pistones.

Muestra Observaciones X R
Lunes: 1 74.030 74.002 74.019 73.992 74.008 74.010 0.038
2 73.995 73.992 74.001 74.011 74.004 74.001 0.019
3 73.998 74.024 74.021 74.005 74.002 74.010 0.026
4 74.002 73.996 73.993 74.015 74.009 74.003 0.022
5 73.992 74.007 74.015 73.989 74.014 74.003 0.026
Martes: 6 74.009 73.994 73.997 73.985 73.993 73.996 0.024
7 73.995 74.006 73.994 74.000 74.005 74.000 0.012
8 73.985 74.003 73.993 74.015 73.988 73.997 0.030
9 74.008 73.995 74.009 74.005 74.004 74.004 0.014
10 73.998 74.000 73.990 74.007 73.995 73.998 0.017
Miércoles: 11 73.994 73.998 73.994 73.995 73.990 73.994 0.008
12 74.004 74.000 74.007 74.000 73.996 74.001 0.011
13 73.983 74.002 73.998 73.997 74.012 73.998 0.029
14 74.006 73.967 73.994 74.000 73.984 73.990 0.039
15 74.012 74.014 73.998 73.999 74.007 74.006 0.016
Jueves: 16 74.000 73.984 74.005 73.998 73.996 73.997 0.021
17 73.994 74.012 73.986 74.005 74.007 74.001 0.026
18 74.006 74.010 74.018 74.003 74.000 74.007 0.018
19 73.984 74.002 74.003 74.005 73.997 73.998 0.021
20 74.000 74.010 74.013 74.020 74.003 74.009 0.020
Viernes: 21 73.982 74.001 74.015 74.005 73.996 74.000 0.033
22 74.004 73.999 73.990 74.006 74.009 74.002 0.019
23 74.010 73.989 73.990 74.009 74.014 74.002 0.025
24 74.015 74.008 73.993 74.000 74.010 74.005 0.022
25 73.982 73.984 73.995 74.017 74.013 73.998 0.035
Promedios 74.001 0.02284

Dr. Jorge Limón Romero 51

 Control Estadístico de Procesos

Gráfico X-R para diámetro interno de anillos para pistones

U C L=74.01443
M edia de las muestr as

74.01

_
_
X=74.00126
74.00

73.99
LC L=73.98808
2 4 6 8 10 12 14 16 18 20 22 24
Sample

0.048 U C L=0.04829
Rango de las muestr as

0.036

_
0.024 R=0.02284

0.012

0.000 LC L=0
2 4 6 8 10 12 14 16 18 20 22 24
Sample

Según este gráfico, se puede apreciar que el proceso que elabora estos anillos
se encuentra operando bajo control estadístico ya que no viola ninguna de las
reglas para los gráficos y debido a que está bajo control se puede proceder a la
segunda fase de los gráficos de control, la cual consiste en pasar los valores de
los límites a algún formato con el cual se lleve a cabo el monitoreo en tiempo
real del proceso. Además dado que el proceso está bajo control se pueden
calcular los parámetros de este proceso, resultando los siguientes:

R 0.02284
  X  74.001 y    0.0099
d2 2.326

Con estos cálculos y considerando una especificación de: 74±0.02 se obtiene un

PPM = 44,430, un yield de 95.56% y un nivel de sigmas de 3.20 para este
proceso, lo cual nos indica que el que un proceso esté bajo control, no
necesariamente un es proceso bueno, por lo cual debiera abrirse un proyecto de
mejora para aumentar su nivel de sigmas.

Dr. Jorge Limón Romero 52

 Control Estadístico de Procesos

Ejemplo 2:
La siguiente información muestra los datos correspondientes al diámetro
externo de la barra 6H-621-BP35 que se ensambla en un elevador. Las
muestras se tomaron de 5 en 5 cada hora. Con esta información construir un
gráfico de control X y R. ¿Qué puede concluirse acerca del proceso, del que
se tomaron las piezas de este estudio?

Tabla de datos: Diámetro externo para pieza de elevador

Muestra Observaciones en la muestra R

XLunes: 1 33 29 31 32 33 31.60 4
2 33 31 35 37 31 33.40 6
3 35 37 33 34 36 35.00 4
4 30 31 33 34 33 32.20 4
Martes: 5 33 34 35 33 34 33.80 2
6 38 37 39 40 38 38.40 3
7 30 31 32 34 31 31.60 4
8 29 39 38 39 39 36.80 10
Miércoles: 9 28 33 35 36 43 35.00 15
10 38 33 32 35 32 34.00 6
11 28 30 28 32 31 29.80 4
12 31 35 35 35 34 34.00 4
Jueves: 13 27 32 34 35 37 33.00 10
14 33 33 35 37 36 34.80 4
15 35 37 32 35 39 35.60 7
16 33 33 27 31 30 30.80 6
Viernes: 17 35 34 34 30 32 33.00 5
18 32 33 30 30 33 31.60 3
19 25 27 34 27 28 28.20 9
20 35 35 36 33 30 33.80 6
Promedios: 33.32 5.80

Como puede observarse en este gráfico el proceso se encuentra fuera de control

ya que los puntos 6,8, 9, 11 y 19 violan la regla de un punto fuera de los límites
de control 3  , por lo que se procede a investigar sus causas asignables y de
detectarse estos puntos deberán ser eliminados de los cálculos de los límites,
los cuales deberán recalcularse considerando solo la información restante, para
este ejemplo específico quedarían 15 puntos para utilizarse.

Dr. Jorge Limón Romero 53

 Control Estadístico de Procesos

Gráfico X-R para diámetro externo de pieza de elevador

1

37.5 1
M edia de la muestr a

U C L=36.67

35.0
_
_
X=33.32
32.5

30.0 LC L=29.97
1

1
2 4 6 8 10 12 14 16 18 20
Sample

16 1
Rango de la muestr a

12 U C L=12.26

8
_
R=5.8
4

0 LC L=0
2 4 6 8 10 12 14 16 18 20
Sample

Se encontraron las causas asignables que se indican en el gráfico para cada

uno de los puntos. Después de su eliminación los nuevos límites fueron los que
se muestran en el gráfico y dado que para estos nuevos límites el proceso se
encuentra estable se puede proceder a la fase II de los gráficos de control la
cual consiste en el monitoreo en línea de la producción utilizando estos cálculos.
Además con estos nuevos valores se pueden ahora calcular los parámetros del
proceso que se requieren para estimar el PPM, el Yield y el nivel de sigmas del
proceso. Estos parámetros son los siguientes:

R 5.00
  X  33.21 y    2.1496 , por lo tanto:
d2 2.326

Especificación = 33 ± 4

PPM: 64,201.8 Yield: 93.58% SQL: 3.02

Dr. Jorge Limón Romero 54

 Control Estadístico de Procesos

Gráfico X-R con puntos eliminados

37.5
Material
1
Media de la muestra

UCL=36.10
35.0
_
_
X=33.21
32.5

30.0
1
Operador LCL=30.33

Operador
1
2 4 6 8 10 12 14 16 18 20
Sample

1
15
Torno
Rango de la muestra

10 UCL=10.57

_
5 R=5

0 LCL=0
2 4 6 8 10 12 14 16 18 20
Sample

Dr. Jorge Limón Romero 55

 Control Estadístico de Procesos

GRÁFICO DE CONTROL PARA VARIABLES X,S

Gráfico para diámetro interno de anillos para pistones

Gráfico X-S para ejemplo anillos para pistones
U C L=74.01450
M edia de la muestr a

74.01

_
_
X=74.00126
74.00

73.99
LC L=73.98801
2 4 6 8 10 12 14 16 18 20 22 24
Sample

0.020 U C L=0.01938
Desv. Est. de la muestr a

0.015

_
0.010 S =0.00928

0.005

0.000 LC L=0
2 4 6 8 10 12 14 16 18 20 22 24
Sample

Como puede verse el gráfico resultante es prácticamente el mismo que se

obtuvo anteriormente.

GRÁFICO PARA PIEZAS DE ELEVADOR

Dr. Jorge Limón Romero 56

 Control Estadístico de Procesos

Gráfico X-S para diámetro externo de pieza de elevador

1

37.5 1
Media de la muestr a

U C L=36.67

35.0
_
_
X=33.32
32.5

30.0 LC L=29.97
1

1
2 4 6 8 10 12 14 16 18 20
Sample

6.0 1
Desv. Est. de la muestr a

U C L=4.899
4.5

3.0 _
S =2.345
1.5

0.0 LC L=0
2 4 6 8 10 12 14 16 18 20
Sample

Al igual que sucedió con el gráfico X , R , las mismas muestras se salen de

control por lo que se procede a su eliminación como se hizo anteriormente y el
resultado es el siguiente:

Gráfico X-S con puntos eliminados

1

37.5 1

U C L=36.14
Sample Mean

35.0
_
_
X=33.21
32.5

30.0 LC L=30.29
1

1
2 4 6 8 10 12 14 16 18 20
Sample

6.0
1

1
4.5
U C L=4.281
Sample StDev

3.0
_
S =2.049
1.5

0.0 LC L=0
2 4 6 8 10 12 14 16 18 20
Sample

Gráfico de control para mediciones individuales

Dr. Jorge Limón Romero 57

 Control Estadístico de Procesos

Ejemplo 1: La viscosidad de una pintura tapaporo para aviones es una

característica de calidad importante. El producto se elabora por lotes y debido a
que la producción de cada lote se lleva varias horas, la velocidad de producción
es demasiado lenta para permitir tamaños de la muestra mayores que uno.
Establecer una carta de control para mediciones individuales para este caso.

Número de Viscosidad Rango

muestra X Móvil
1 33.75
2 33.05 0.70
3 34.00 0.95
4 33.81 0.19
5 33.46 0.35
6 34.02 0.56
7 33.68 0.34
8 33.27 0.41
9 33.49 0.22
10 33.20 0.29
11 33.62 0.42
12 33.00 0.62
13 33.54 0.54
14 33.12 0.42
15 33.84 0.72
Promedios: 33.52 0.48

Gráfico para mediciones individuales pintura tapaporo

U C L=34.802
34.5
Individual Value

34.0
_
33.5 X=33.523

33.0

32.5
LC L=32.245
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
O bser v ation

1.6 U C L=1.571

1.2
Moving Range

0.8
__
M R=0.481
0.4

0.0 LC L=0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
O bser v ation

Dr. Jorge Limón Romero 58

 Control Estadístico de Procesos

Al analizar el gráfico podemos observar que este proceso se encuentra bajo

control estadístico.

Dr. Jorge Limón Romero 59