TEMA 6: Gr

aficos de Control por Variables

1 Introduccion
2 Graficos de control de la media y el rango
Funcion caracterstica de operacion
3 Graficos de control de la media y la desviacion tpica
4 Graficos de control de la media y la varianza
5 Graficos de control modificados
6 Grafico de control de sumas acumuladas
7 Graficos de control basados en medias ponderadas
Grafico de control de la media movil
Grafico de control de la media geometrica
8 Graficos de control multivariantes

1.

Introducci
on

Los graficos de control por variables permiten estudiar la calidad de caractersticas

numericas. Proporcionan mas informacion que los graficos de control por atributos sobre
el rendimiento del proceso y permiten procedimientos de control mas eficaces. En particular, se obtiene mas informacion sobre las causas que producen una situacion fuera de
control. Asimismo detectan mejor peque
nas variaciones del proceso. Los tama
nos muestrales requeridos para un nivel de proteccion del proceso son menores.
Los graficos de control por variables mas usuales son los que controlan el valor medio
y la variabilidad del proceso. Mas concretamente, para el control de la variabilidad del
proceso, estudiaremos los graficos del rango, la desviacion tpica y la varianza. A partir
de estos graficos se obtiene una estimacion de los parametros del proceso, as como una
aproximacion de su capacidad o rendimiento.
Existen otros graficos por variables que utilizan la informacion suministrada por varias
muestras; se construyen a partir de una secuencia de estadsticos muestrales, en contraste
con los graficos anteriores, que tan solo utilizan la informacion de una muestra. Estos
graficos permiten detectar peque
nos cambios en la media del proceso, corrigiendo as la
incapacidad de los graficos anteriores, para controlar peque
nas variaciones. En este tema
se estudiaran dos ejemplos de estos graficos: Los graficos de sumas acumuladas y los
graficos de control basados en medias ponderadas. Por otra parte, para el estudio de
1

varias caractersticas relacionadas se introduciran los graficos multivariantes basados en

la distribucion T 2 de Hotelling.

2.

Gr
aficos de control de la media y el rango

Supongamos que la caracterstica de la calidad estudiada, X, se distribuye seg

un una
Normal con parametros y . Es bien conocido que, para una muestra de tama
no n, la
se distribuye seg
media muestral X
un una Normal con parametros y (n)1/2 .
En el caso en el que y sean parametros conocidos, los lmites del grafico de control
vienen dados por

3 1/2 .
(n)
Cuando los parametros poblaciones son desconocidos, se estiman a partir de m muestras piloto como sigue:
Para la media se considera el estimador

= x =

x1 + + xm
.
m

Para la desviacion tpica se considera el estimador

R
R1 . . . R m
=
,
md2
md2

donde Rj , j = 1, . . . , m, representan los rangos o amplitudes muestrales de las m

muestras piloto y d2 representa la media de la amplitud relativa AR de una muestra
normal (que se halla tabulada), siendo
AR =

R
.

Este estimador proporciona buenas aproximaciones de la desviacion tpica poblacional para tama
nos muestrales peque
nos.
Los lmites de prueba para el grafico de control de la media vienen dados entonces por
x 3

= x 3AR.
d2 (n)1/2

La constante A se halla tabulada para diferentes tama

nos muestrales.
Para el calculo de los lmites de control para el grafico del rango se considerara de
nuevo la amplitud relativa de una muestra normal, obteniendose de la identidad
R = AR ,
y, por tanto, de la identidad
R = AR = d3 ,
2

la siguiente estimacion:

R
d3 ,
d2
donde d3 se halla tambien tabulada para diferentes tama
nos muestrales. Los lmites de
prueba para el grafico del rango se definen entonces como sigue:

3d3 R ,
R
d2
o, equivalentemente,
R =

LIC = D3 R

LSC = D4 R,
siendo
d3
d2
d3
D4 = 1 + 3 .
d2
Metodologa. Si existen patrones no aleatorios en los graficos de la media y el rango,
se eliminan primero las causas atribuibles en el grafico del rango, lo que producira una
Bajo la hipotesis de normalidad, X
y R son independientes.
mejora en el grafico de X.
Por tanto, si esta hipotesis no se refleja en los graficos de control de ambas variables, se
debe revisar la hipotesis de normalidad.
D3 = 1 3

2.1.

Funci
on caracterstica de operaci
on

y R para detectar cambios en la calidad

Describe la idoneidad de los graficos de X
del proceso. Si se produce un cambio en la media del proceso de un valor 0 a un valor
1 = 0 + k, entonces,

LSC (0 + k)

= P LIC X LSC/1 = 0 + k = P Z
/(n)1/2

LIC (0 + k)
P Z
.
/(n)1/2
Puesto que LIC = 0 3 (n)1/2 y LSC = 0 + 3 (n)1/2 , se obtiene

= P Z 3 k(n)1/2 P Z 3 k(n)1/2 .

3.

Gr
aficos de control de la media y la desviaci
on
tpica

Se considera el estadstico S definido a partir de la raz cuadrada de la cuasivarianza

muestral,
Pn
2
(Xi X)
2
S = i=1
.
n1
3

Puesto que S no es un estimador insesgado de , siendo ES = c4 con

c4 =

2
n1

1/2

(n/2)
,
((n 1)/2)

los lmites de control para el grafico de , en terminos del estadstico S vienen dados por
c4 3(1 c24 )1/2 ,
o, equivalentemente,
LIC = B1
LSC = B2 ,
siendo
B1 = c4 + 3(1 c24 )1/2
B2 = c4 3(1 c24 )1/2 ,
en el caso en que es conocida. Para desconocida se considera la extraccion de m
muestras piloto y se obtiene
m
1 X

S=
Sj ,
m j=1
denotando por Sj la raz cuadrada de la cuasivarianza muestral de la muestra piloto j.
Los lmites de prueba vienen dados por
S
S 3 (1 c24 )1/2 .
c4
El grafico para la media se define entonces en terminos de los siguientes lmites de control:
3
X

4.

S
.
c4 (n)1/2

Gr
aficos de control de la media y la varianza
Puesto que los lmites iniciales para el grafico de la media seran
3
X

2
n

1/2
,

en el caso en que es desconocida se aproximan en terminos de la media de las cuasivarianzas muestrales de las m muestras piloto,
Pm 2
j=1 Sj
.
S2 =
m
4

Los lmites de control de S 2 no pueden calcularse en terminos de un m

ultiplo de la
desviacion tpica de dicho estadstico, puesto que su distribucion no es simetrica. Sin
embargo, se pueden calcular los lmites probabilsticos para S 2 teniendo en cuenta que

(n 1)S 2
2
2
1 = P 1 ,n1
,n1
2
2
2
" 2 2
#
1 ,n1
2 2 ,n1
2
2
= P
S2
,
n1
n1
es decir, utilizando la estimacion anterior S2 de la varianza se obtienen los lmites de
control
S2 21 ,n1
2
LIC =
n1
L.C. = S2

LSC =

5.

S2 2 ,n1
2

n1

Gr
aficos de control modificados

En algunos casos los lmites especificados para los graficos de control por la administracion determinan una banda mucho mas amplia que la banda de 6W o que la banda
determinada por la variabilidad natural del proceso. Entonces se puede plantear que la
media del proceso se mueva en un intervalo relativamente grande sin afectar a la fraccion
de defectuosos del proceso. Es decir, se pueden determinar ciertos valores I y S (inferior y superior) para la media del proceso de forma que la fraccion de disconformes del
proceso siga siendo inferior a una cantidad . Este planteamiento equivale a probar que la
media del proceso se halla en el intervalo [I , S ]. Suponiendo que la salida del proceso se
distribuye seg
un una Normal con media y desviacion tpica , se considera el siguiente
intervalo de variacion para la media, relativo a los lmites de especificacion:
I = LIE + Z/2
S = LSE Z/2 ,
que garantizan que la fraccion de disconformes del proceso se encuentra por debajo de ,
siendo Z el percentil (1 )100 de la Normal estandarizada.
Se establecen entonces los siguientes lmites de control para la media poblacional :
3
3
=
LIE
+
Z

/2
(n)1/2
(n)1/2
3
3
LSC = S +
= LSE Z/2 +
.
1/2
(n)
(n)1/2
LIC = I

En el dise
no de dichos lmites se puede considerar que es la fraccion de disconformes
aceptable con una probabilidad 1 . Se tiene entonces que los lmites de control vienen
dados por
Z/2
Z/2
= LIE + Z/2
1/2
(n)
(n)1/2
Z/2
Z/2
LSC = S +
= LSE Z/2 +
.
1/2
(n)
(n)1/2
LIC = I

Si se requiere una fraccion de disconformes del proceso que se debe rechazar con probabilidad 1 . Entonces, los lmites de control vendran dados por
Z/2
Z/2
=
LIE

/2
(n)1/2
(n)1/2
Z/2
Z/2
=
LSE
+
Z

+
.
LSC = S +
/2
(n)1/2
(n)1/2
LIC = I

Para , , y especificados, se calcula n mediante la siguiente formula:

LSE Z/2 +

6.

Z/2
Z/2
=
LSE
+
Z

+
/2
(n)1/2
(n)1/2
(Z/2 Z/2 )2
.
n =
(Z/2 + Z/2 )2

Gr
afico de control de sumas acumuladas

En este diagrama se representan las sumas acumuladas de las desviaciones de las

medias muestrales respecto a un valor objetivo 0 , es decir, para la lesima muestra se
representa
l
X
j 0 ) l N.
Dl =
(X
j=1

Se dice que el proceso esta bajo control si hay una variacion aleatoria de los valores de
Dl en torno al valor objetivo 0 . Por el contrario, si dicha variacion no es aleatoria se
tiene que la sucesion de puntos definida por los valores de Dl se desplaza hacia arriba,
lo que indica que hay una desviacion de la media del proceso a un valor 1 > 0 , o bien
la sucesion de puntos se desplaza hacia abajo, lo que indica que hay una desviacion de
la media del proceso hacia un valor 2 < 0 . Por tanto, el proceso se encuentra fuera de
control.
Para determinar si se da alguna de las situaciones anteriores se dise
na el diagrama en

forma de V, cuyos parametros se definen en terminos de las siguientes magnitudes:

1
2
d =
ln
2

= arctan
2k

,
=
X
siendo el cambio de la media del proceso que se quiere detectar, k = 2X , denota
la probabilidad de considerar que el proceso esta fuera de control cuando en realidad
esta bajo control, es la probabilidad de considerar que el proceso esta bajo control
cuando en realidad esta fuera de control, denota el angulo que define la amplitud de los
brazos de la V y, para el u
ltimo valor Dl del estadstico de sumas acumuladas, d define la
distancia de dicho valor al vertice de la V. Si las sumas acumuladas determinan un punto
fuera del recinto delimitado por los brazos de la V, entonces se concluye que la variacion
de la media del proceso esta fuera de control.

7.

Gr
aficos de control basados en medias
ponderadas

7.1.

Gr
afico de control de la media m
ovil

Para diversas muestras de tama

no n extradas en diferentes instantes de tiempo, se
define la media movil de alcance U en el instante t como sigue:
Mt =

t + X
t1 + + X
tU +1
X
.
U

Este estadstico renueva la informacion en cada instante de tiempo, eliminando el valor de

la muestra mas antigua y considerando en su lugar el valor medio muestral en el instante
actual t. Puesto que
1
Var(Mt ) = 2
U

t
X

i) = 1
Var(X
U2
i=tU +1

t
X

2
2
=
,
n
Un
i=tU +1

se tiene que los lmites de control para el diagrama de la media movil vienen dados por

3
,
(nU )1/2

se calcula a partir de m muestras piloto.

donde X
Se obtiene mas proteccion cuando se aumenta el alcance de la media movil.

7.2.

Gr
afico de control de la media geom
etrica

En el grafico de la media movil los pesos o ponderaciones en cada instante de tiempo

considerado eran: para los instantes de tiempo t, . . . , t U + 1, la unidad, y para s <
t U + 1, el valor cero. En el diagrama de la media geometrica se consideran las siguientes
ponderaciones:
t + (1 r)Zt1 = r
Zt = r X

t1
X

tj + (1 r)t Z0 ,
(1 r)j X

j=0

y r (0, 1]. El estadstico Z representa la media geometrica en el instante

siendo Z0 = X
t
t. Este diagrama tambien se conoce como diagrama de la media movil ponderada exponencialmente. Se basa en la formulacion de la tecnica de suavizado exponencial simple,
utilizada en el analisis de series temporales. Cuando t es suficientemente grande se puede
considerar la siguiente aproximacion asintotica de la varianza de dicho estadstico:

r
2
2
2
.
Zt Z =
n 2r
Los lmites de control del diagrama de la media geometrica se definen entonces como
sigue:

1/2
r

X 3
.
(2 r)n

8.

Gr
aficos de control multivariantes

Dependiendo del proceso de fabricacion y del producto, en ocasiones es necesario

realizar un estudio conjunto de varias variables o caractersticas para concluir sobre la
calidad y utilidad de una pieza fabricada. Estas caractersticas de la calidad pueden ser
independientes o estar relacionadas, pero en ambos casos las probabilidad de considerar
que el proceso esta fuera de control cuando en realidad esta bajo control, es decir, la probabilidad de error de tipo I, y de representar correctamente un punto bajo control cambian
dependiendo de que se considere un diagrama individual para la media de cada caracterstica, o bien un diagrama conjunto para las medias de todas las caractersticas. Por
ejemplo, si se consideran dos caractersticas X1 y X2 , variables independientes, entonces
la probabilidad de exceder los lmites de control en el diagrama conjunto de ambas variables es considerablemente mayor que las probabilidades de exceder los lmites de control
en los diagramas individuales. Por tanto, el estudio individual de ambas variables distorsiona bastante el control conjunto de estas. En general, si X1 , . . . , Xp , son caractersticas
independientes que se desea controlar conjuntamente, entonces
P [error de tipo I del diagrama conjunto ] = 1 (1 )p ,
8

es decir,
P [concluir que el proceso esta bajo control cuando en realidad lo esta] = (1 )p ,
donde se esta denotando por la probabilidad de error de tipo I para cada caracterstica,
es decir, en los diagramas individuales. En el caso en que dichas variables no son independientes es difcil medir la distorsion ocasionada por un estudio individualizado de las
mismas. Seguidamente se estudia el problema de control de varias variables relacionadas,
es decir, el problema de control multivariante, a partir de graficos de control dise
nados en
2
terminos de un estadstico con distribucion T de Hotelling.
Se estudia en primer lugar el caso bivariante. Supongamos que se quiere realizar un
control conjunto de dos caractersticas de la calidad cuya distribucion es una Normal
bivariante con vector de medias (1 , 2 ) y con matriz de covarianzas . A partir de
,X
) y la matriz
muestras preliminares, se estima el vector de medias en terminos de (X
1
2
de covarianzas mediante la matriz de cuasivarianzas y cuasicovarianzas muestrales. Se
tiene entonces que el estadstico
h
i
n
2
2
2
2
2

T = 2 2
S2 (X1 X1 ) + S1 (X2 X2 ) 2S12 (X1 X1 )(X2 X2 )
(1)
2
S1 S2 S12
se distribuye seg
un una T 2 de Hotelling con 2 y n 1 grados de libertad, siendo n el
i , i = 1, 2, las medias muestrales, S 2 , i = 1, 2, las cuasivarianzas
tama
no muestral, X
i
muestrales y Sij , i, j = 1, 2, i 6= j, las cuasicovarianzas para las dos caractersticas de la
calidad estudiadas, evaluadas en la muestra considera.
2
Metodologa. Si T 2 > T,2,n1
, entonces al menos una de las caractersticas estudiadas se
encuentra fuera de control, rechazandose la hipotesis de que el proceso esta bajo control,
2
siendo T,2,n1
el punto de la distribucion T 2 (2, n 1) que deja a la derecha una proba1 y X
2 son independientes, entonces la ecuacion
bilidad . Graficamente, si S12 = 0 y X
(1) define una elipse con los ejes principales paralelos a los ejes de abscisas y ordenadas
1 y X
2 . Este diagrama tipo elipse
donde se representan, respectivamente, los valores de X
para el control bivariante de dos caractersticas presenta algunos inconvenientes:
Se pierde la secuencia en el tiempo (evolucion del proceso) y, por ejemplo, no se
pueden apreciar patrones de no aleatoriedad tales como las rachas.
La representacion grafica de mas de dos caractersticas se complica.
Los puntos anteriores motivan el uso de graficos de control, donde los valores del
2
se representa
estadstico (1) se representan en un diagrama cartesiano y el valor T,2,n1
mediante una lnea horizontal, paralela al eje de abscisas, que define el u
nico lmite superior
de control. Para cada muestra, se evalua el estadstico (1): si el punto correspondiente a
dicho valor supera el lmite superior de control, entonces el proceso esta fuera de control;
en caso contrario, el proceso esta bajo control.
9

La generalizacion del planteamiento anterior al caso de p variables sera como sigue.

Se considera el vector aleatorio (X1 , . . . , Xp ) que representa las p caractersticas de la
calidad que se pretende analizar conjuntamente. Analogamente al caso bivariante, para
una muestra de tama
no n se calcula el estadstico
T 2 = n(
x x)S 1 (
x x),
donde el vector de medias muestrales x se eval
ua en la muestra considerada, as como la
matriz de cuasivarianzas y cuasicovarianzas muestrales S. El vector x se calcula a partir
de un conjunto de muestras preliminares. El estadstico T 2 sigue una distribucion T 2 de
Hotelling con p y n 1 grados de libertad. El diagrama se define en terminos del lmite
2
. Se suele utilizar la siguiente aproximacion:
superior de control T,p,n1
2
T,p,n1
=

p(n 1)
F,p,np ,
np

siendo F,p,np el valor de la distribucion F de Snedecor que deja a la derecha un area

y considerando n > p.
A partir de m muestras piloto, los calculos para realizar las estimaciones necesarias
para evaluar T 2 seran los siguientes. Denotando mediante Xijk la variable aleatoria que
representa el valor en la unidad i de la caracterstica j en la kesima muestra, se tienen
los siguientes estadsticos muestrales, para j = 1, . . . , p, y k = 1, . . . , m :
n

X
jk = 1
X
Xijk
n i=1
n

2
Sjk

1 X
jk )2
=
(Xijk X
n 1 i=1
n

Sjhk

1 X
jk )(Xihk X
hk ),
=
(Xijk X
n 1 i=1
m

=
X
j

1 X
Xjk
m k=1

Sj2 =

1 X 2
S
m k=1 jk

Sjh =

1 X
Sjhk .
m k=1

10

j 6= h