ALGUNOS EJEMPLOS SOBRE CONTROL ESTADISTICO EN MINITAB

Problema 1: Ejemplo control de media, rangos y desviaciones (VITA_C.MTW)*

De una mquina que elabora comprimidos de cierto medicamento, se tomaron muestras
de 5 comprimidos cada 15 minutos durante un periodo de 10 horas. Los datos se
encuentran en el archivo VITA_C.MTW, en la columna C1 se encuentran los pesos de
estos comprimidos (40 muestras x 5 comprimidos/muestra = 200 datos).
Para poder establecer el grfico de referencia con esta informacin, se pueden realizar
bien los grficos X-R X-s
Stat/Control Charts/ Variables for Subgroups/Xbar-R
Xbar-R Chart of Peso
1
1

Sample Mean

3.28

UCL=3.2709

3.26

_
_
X=3.2431

3.24
3.22

LCL=3.2153

3.20

12

16

20
Sample

24

28

32

36

40

UCL=0.1020

Sample Range

0.100
0.075

_
R=0.0483

0.050
0.025
0.000

LCL=0
4

12

16

20
Sample

24

28

32

36

40

Con el X-R , por ejemplo, vemos que son bastantes las muestras que salen fuera de los
lmites en media, deberamos investigar las causas que pudieron provocar estos valores
a la vez que rehacemos el grfico sin estas muestras . El resultado del grfico nos dice
que muestras son. Para eliminarlas, deberemos previamente construir una nueva
columna en el que numeremos cada fila a que n de muestra pertenece. Esto podemos
hacerlo fcilmente desde Calc/Make Patterned Data/Simple Set of Data indicndole
que cada 5 filas ponga el nmero de muestra correlativo del 1 al 40. Una vez construida
esta columna, solo faltara indicar cuando vamos a rehacer el grfico, en opciones Data,
que excluya las filas cuyas muestras han salido fuera en el grfico anterior:

*Los enunciados y los datos propuestos en la prctica estn publicados en el manual de

MINITAB

Xbar-R Chart of Peso

1
1

Sample Mean

3,28

UCL=3,2709

3,26

_
_
X=3,2431

3,24
3,22
3,20

LCL=3,2153

12

16

20
Sample

24

28

32

36

40

UCL=0,1020

Sample Range

0,100
0,075

_
R=0,0483

0,050
0,025
0,000

LCL=0
4

12

16

20
Sample

24

28

32

36

40

Se ve que nuevamente habra muestras fuera de control, por lo que deberiamso volver
a rehacer el grfico.
Stat/Control Charts/ Variables for Subgroups/Xbar-S
Xbar-S Chart of Peso
1
1

Sample Mean

3.28

UCL=3.2709

3.26

_
_
X=3.2431

3.24
3.22
3.20

LCL=3.2153

12

16

20
Sample

24

28

32

36

40

UCL=0.04073

Sample StDev

0.04
0.03

_
S=0.01950

0.02
0.01
0.00

LCL=0
4

12

16

20
Sample

24

28

32

36

40

Con este grfico pasara lo mismo.

*Los enunciados y los datos propuestos en la prctica estn publicados en el manual de

MINITAB

Para poder ilustrar mejor las posibilidades de este tipo de grfico, crearemos dos nuevas
columnas: una que contenga la hora en que se ha tomado el dato y otra con un nmero
que identifique al operario que estaba a cargo de la mquina.
Calc/Make Patterned Data/Simple Set of Data/Time Values
Respecto al operario, se supone que las primeras 25 muestras las toma el operario A y
las otras 15 el operario B. Lo que requiere introducir 125 As y 75 Bs
Calc/Make Patterned Data/Test Values: se escriben 125 As y 125 Bs y se borran los
ltimos 50 valores
Se realiza el grfico de medias:
Stat/Control Charts/Variables Charts for Subgroups/Xbar
Se utilizan las siguientes opciones:
Scale/Time: Marcar la opcin Stamp y poner como variable Hora
Xbar Options/Tests: Marcar los 8 (o escoger la opcin Perform all tests for special
causes)
Xbar Options/Stages: Define stages Operario
Xbar Chart of Peso by Operario
3.30

B
UCL=3.2939

Sample Mean

3.28

_
_
X=3.2671

3.26
6

LCL=3.2402

3.24
3.22

3.20
1

8:00

9:00 10:00 11:00 12:00 13:00 14:00 15:00 16:00 17:00

Hora

El grfico de rangos aparece en la opcin:

Stat/Control Charts/ Variables for Subgroups/R
Con todas las opciones por defecto se obtiene:

*Los enunciados y los datos propuestos en la prctica estn publicados en el manual de

MINITAB

R Chart of Peso
UCL=0.1020

0.10

Sample Range

0.08

0.06
_
R=0.0483
0.04

0.02

0.00

LCL=0
4

12

16

20
24
Sample

28

32

36

40

El grfico de desviaciones tipo:

Stat/Control Charts/ Variables for Subgroups/S
S Chart of Peso
UCL=0.04073

0.04

Sample StDev

0.03

_
S=0.01950

0.02

0.01

0.00

LCL=0
4

12

16

20
24
Sample

28

32

36

40

*Los enunciados y los datos propuestos en la prctica estn publicados en el manual de

MINITAB

Problema 2: Ejemplo Grficos Individual y rango mvil (CLORO.MTW)*

Una industria qumica fabrica un producto en flujo continuo del que cada 15 minutos se
toma una muestra para llevar un control de los parmetros de inters. El archivo
CLORO.MTW contiene los valores del pH y la concentracin de cloro en las muestras
que se han dado durante una semana. El contenido del archivo es el siguiente:
Columna
Nombre
Contenido
C1
Fecha
Fecha a la que corresponden los datos
C2
Hora
Hora en que se tom la muestra
C3
pH
Valor del pH de muestra
C4
CI
Concentracin de CI (mg/l)
Dibujar el grfico de control para observar la variabilidad del ph a lo largo de esta
semana y encontrar la referencia que nos permita establecer una pauta de control a partir
de esta informacin:
Como los datos se han tomado individualmente lo mejor es un grfico I_MR, para w=2:
I-MR Chart of pH

I ndividual Value

14

UCL=12,202

12
10

_
X=9,043

8
6

LCL=5,883
1

16

32

48

64

80
96
Observation

112

128

144

160

Moving Range

UCL=3,882

3
2
__
MR=1,188

1
0

LCL=0
1

16

32

48

64

80
96
Observation

112

128

144

160

El grfico de las medias detecta un valor fuera de lmites. Adems el de los rangos tiene
zonas que presenta ms variabilidad que otras. Antes de hacer ninguna modificacin y
ya que los datos se han registrado con el da, vamos a visualizar en el propio grfico los
das. Para esto hay que elegir la opcin del I-MR de Stages. Diciendo que distinga
distintos escenarios por fecha, queda lo siguiente:

*Los enunciados y los datos propuestos en la prctica estn publicados en el manual de

MINITAB

I-MR Chart of pH by Fecha

04/11/2002

I ndividual Value

14

05/11/2002

06/11/2002

07/11/2002

08/11/2002
1

UCL=12,843

12
10

_
X=9,128

8
6

LCL=5,413
1

16

32

04/11/2002

48

64

05/11/2002

80
96
Observation
06/11/2002

112

07/11/2002

128

144

160

08/11/2002
UCL=4,564

Moving Range

4
3
2

__
MR=1,397

1
0

LCL=0
1

16

32

48

64

80
96
Observation

112

128

144

160

En este grfico queda ms claro que los das de ms variabilidad fue el final del 5 y el 6
(habra que investigar las causas) y el 8 tambin se comport de manera poco natural.
Como en el 8 adems ses sale un valor fuera del grfico vamos a excluirlo y ver que
pasa. Se excluir eligiendo en opciones de datos, excluir los que estn seleccionados
con el brush (previamente lo haremos):
I-MR Chart of pH by Fecha
04/11/2002

I ndividual Value

12,5

05/11/2002

06/11/2002

07/11/2002

08/11/2002
UCL=12,366

10,0

_
X=9

7,5
LCL=5,634

5,0
1

16

32

04/11/2002

48

64

05/11/2002

80
96
Observation
06/11/2002

112

07/11/2002

128

144

160

08/11/2002
UCL=4,135

Moving Range

4
3
2

__
MR=1,266

1
0

LCL=0
1

16

32

48

64

80
96
Observation

112

128

144

160

*Los enunciados y los datos propuestos en la prctica estn publicados en el manual de

MINITAB

Problema 3: Grfico P*
Una industria que fabrica motores para pequeos electrodomsticos registra cada da el
nmero de motores producidos y los que en la inspeccin final han resultado
defectuosos de acuerdo a unos criterios previamente establecidos. Los datos
correspondientes a seis semanas de produccin se hallan en el archivo
MOTORES.MTW, con el siguiente contenido:
Columna
C1
C2
C3

Nombre
Fecha
Produccin
Num. defectos

Contenido
Fecha a la que corresponden los datos
Nmero de motores producidos ese da
Nmero de motores defectuosos detectados ese da

Estimar el porcentaje de motores defectuosos, de acuerdo a estos datos.

Grfico de proporcin de unidades defectuosas (P)
Stat/Control Charts/Attributes Charts/P
P Chart of Num defectos
0.055

UCL=0.05316

0.050

Proportion

0.045
0.040

_
P=0.03812

0.035
0.030
0.025

LCL=0.02308

0.020
3

12

15
18
Sample

21

24

27

30

Tests performed with unequal sample sizes

Se puede rehacer el grfico eliminando las muestras fuera de control:

*Los enunciados y los datos propuestos en la prctica estn publicados en el manual de

MINITAB

P Chart of Num defectos

0,055
UCL=0,05190

0,050

Proportion

0,045
0,040

_
P=0,03706

0,035
0,030
0,025

LCL=0,02223
0,020
3

12

15
18
Sample

21

24

27

30

Tests performed with unequal sample sizes

Los lmites de control dependen del tamao de la muestra. Si el tamao de la muestra no

es constante, los lmites tampoco. Como el nmero de motores fabricados cada da es
muy parecido, se puede escoger un tamao medio (Subgroup Size 1.370) y se dibujan
as unos lmites constantes (previamente calculada con Calc/Column Statistics)
P Chart of Num defectos
0,055
UCL=0,05270
0,050

Proportion

0,045
0,040

_
P=0,03733

0,035
0,030
0,025
LCL=0,02197
0,020
3

12

15
18
Sample

21

24

27

30

*Los enunciados y los datos propuestos en la prctica estn publicados en el manual de

MINITAB

Problema 4: Grafico de atributos P: CATETER.MTW*

En una industria en la que se producen catteres para hospitales se hace una inspeccin
de calidad despus de la soldadura entre la parte ms rgida del catter y la punta, ms
blanda. Cada hora se toma un lote de 100 catteres y se mira si la soldadura tiene trazas
o no. Si la soldadura tiene trazas el catter es defectuoso.
El archivo CATETER.MTW contiene los datos del nmero de catteres defectuosos en
cada lote de 100 recogidos durante la ltima semana de produccin.
El contenido del archivo es el siguiente:
Columna
C1
C2
C3

Nombre
Fecha
Hora
Nm. defectos

Contenido
Fecha a la que corresponden los datos
Hora de inspecccin
Nmero de motores defectuosos en el lote de 100

Estimar el porcentaje de catteres defectuosos.

Para saber si el proceso de fabricacin es estable se lleva a cabo un grfico NP, dado que
el tamao del lote es igual para todos. Podra realziarse tambin un grfico P.
Stat/Control Charts/Attributes Charts/NP
NP Chart of Num defectos
14

UCL=12.16

12

Sample Count

10
8
__
NP=5.39

6
4
2
0

LCL=0
1

14

21

28

35
42
Sample

49

56

63

70

En la ventana de sesin aparece que el dato 18 est fuera de control:

TEST 1. One point more than 3.00 standard deviations from center line.
Test Failed at points: 18

Recalculamos los lmites de control quitando este punto:

NP Chart Options/Omit the following subgroups: 18
*Los enunciados y los datos propuestos en la prctica estn publicados en el manual de
MINITAB

NP Chart of Num defectos

14

12

UCL=11.98

Sample Count

10
8
6

__
NP=5.28

4
2
0

LCL=0
1

14

21

28

35
42
Sample

49

56

63

70

Ahora vuelve a salir otro valor fuera, pero, en cualquier caso, en este grfico se observa
gran variabilidad en los datos del principio. Para ver si se corresponden con das en
concreto y dado que se tiene registrada esta informacin vamos a realizar el grfico con
todos los datos, pero distinguiendo los das (opcin grfico, Stage=fecha)
NP Chart of Num defectos by Fecha
08/03/2004 09/03/2004

14

10/03/2004

11/03/2004

12/03/2004
UCL=12,11

12

Sample Count

10
8
__
NP=5,36

6
4
2
0

LCL=0
1

14

21

28

35
42
Sample

49

56

63

70

Efectivamente se observa que el da 9 hubo una mayor variabilidad en la produccin

que en el resto de das. Se debera investigar la causa de esta situacin.
*Los enunciados y los datos propuestos en la prctica estn publicados en el manual de
MINITAB

Problema 5: Grfico de nmero de defectos por unidad constante (C)*

El archivo VISITAS_WEB.MTW contiene el nmero de visitas recibidas en una pgina
web durante los meses de octubre y noviembre de 2002, indicando tambin la fecha y
da de la semana.
El nmero de visitas por da se puede suponer que sigue una distribucin Poisson, y por
lo tanto hacer un grfico C
Stat/Control Charts/Attributes Charts/C
C Chart of Visitas
160
1

140
1

Sample Count

120
100

UCL=87.3

80

_
C=63.4

60
40

11

11

20

LCL=39.5

12

18

24

30
36
Sample

42

48

54

60

Despus de haber observado un poco ms los datos y haber recogido ms informacin,

uno se da cuenta de que los picos del da 10 y 11 pueden deberse a que ese da (el 10)
apareci un anuncio en prensa de la pgina. Por otra parte los valles peridicos
corresponden a los fines de semana, que hay menos visitas.
Para eliminar del grfico los sbados y domingos se utiliza la opcin Data Options:

*Los enunciados y los datos propuestos en la prctica estn publicados en el manual de

MINITAB

C Chart of Visitas
100
UCL=94,20

Sample Count

90
80
_
C=69,24

70
60
50

LCL=44,28
40
1

12

18

24

30
36
Sample

42

48

54

60

*Los enunciados y los datos propuestos en la prctica estn publicados en el manual de

MINITAB

Problema 6: Grafico del nmero de defectos por unidad variable U*

Un industria que se dedica a la confeccin de tejidos tiene un proceso de tintado de
telas. De vez en cuando aparece un pequeo punto de pintura ms intensa sobre la tela.
Para comprobar si la cantidad de manchas se mantiene dentro de los valores normales,
se decide implantar un control estadstico de procesos. Cada cuarto de hora se cuenta el
nmero de manchas en una pieza de tela.
Los datos correspondientes al archivo de tela se encuentran en el archivo
TEJIDO.MTW. La columna C1 tiene el nmero de manchas en cada pieza de tela.
Como las piezas de tela no son exactamente iguales, en la columna C2 se incluye la
superficie (en m2) de cada pieza. Estimar el nmero medio de manchas por pieza de tela
cuando el proceso est bajo control.
Stat/Control Charts/Attributes Charts/U
U Chart of Numero manchas

Sample Count Per Unit

20

UCL=19.44

15
_
U=9.87

10

LCL=0.30

0
3

12

15
18
Sample

21

24

27

30

Tests performed with unequal sample sizes

El proceso est en estado de control. Los lmites varan porque tambin lo hace la
muestra.

*Los enunciados y los datos propuestos en la prctica estn publicados en el manual de

MINITAB

ESTUDIOS DE CAPACIDAD
PROBLEMA 1: DIAMETRO_CAPACIDAD*
Una empresa fabrica pieza piezas cuya cota crtica es un dimetro que tiene como
especificaciones 7,5 0,1 mm. El cliente principal exige que el ndice de capacidad
para el dimetro crtico sea Cp>1,33. Se fabrica una primera preserie de 1920 piezas
durante 2 das para verificar que se cumple con todos los requisitos del cliente.
Para realizar el estudio de capacidad se toman 5 piezas cada media hora (16 muestras
cada da, 32 muestras en toda la preserie), y los resultados obtenidos se encuentran en el
archivo DIAMETRO_CAPACIDAD_1.MTW, por filas; es decir, en la primera fila estn
los valores de la primera muestra, en la segunda los de la segunda muestra, etc.
Stat/Quality Tools/Capability Sixpacck/Normal
Como los datos estn por filas, usamos la segunda opcin de Data are arranged as, es
decir: Subgrups across rows of: C2-C6
Process Capability Sixpack of Valor 1; ...; Valor 5
Sample Mean

Xbar Chart

Capability Histogram
UCL=7,54417

7,54

__
X=7,51537

7,52
7,50

LCL=7,48657
3

12

15

18

21

24

27

30

7,46

Sample Range

R Chart
0,10

UCL=0,1056

0,05

_
R=0,0499

0,00

7,48

7,50

7,54

7,56

7,58

Normal Prob Plot

A D: 0,642, P: 0,093

LCL=0
3

12

15

18

21

24

27

30

7,45

Last 25 Subgroups

7,50

7,55

7,60

Capability Plot
Within
StDev 0,02147
Cp
1,55
Cpk
1,31
CCpk
1,55

7,55
Values

7,52

7,50
7,45

Within

Overall

O verall
StDev 0,02308
Pp
1,44
Ppk
1,22
Cpm
*

Specs

10

15

20
Sample

25

30

Una conclusin evidente del grfico de medias es que el proceso se ha ido descentrando
hacia valores mayores. Habra que investigar la causa.. No hay nada que objetar al
grfico de rangos. El histograma est descentrado respecto al valor objetivo.
El objetivo Cp>1,33 se cumple en esta preserie aunque queda la duda de si se cumplira
si se fabricaran tiradas muy largas sin ajustar la mquina. Si la mquina se ajusta cada
da el Cp podra ser mayor?

*Los enunciados y los datos propuestos en la prctica estn publicados en el manual de

MINITAB

En la misma fbrica, ahora se ajusta la mquina cada da y despus se fabrican 50 piezas

seguidas y se realiza con ellas un estudio de capacidad para asegurar que todo est
ajustado correctamente.
Los 50 valores con los que se realiz este estudio se encuentran en el archivo
DIAMETRO_CAPACIDAD_2. Est todo correcto?
Stat/Quality Tools/Capability Anlisis/Normal
Process Capability of 50 valores
LSL

USL
Within
Overall

Process Data
LSL
7,40000
Target
*
USL
7,60000
Sample Mean
7,50222
SampleN
50
StDev(Within)
0,02365
StDev(O verall) 0,02165

Potential (Within) Capability

Cp
1,41
CPL
1,44
CPU
1,38
Cpk
1,38
CCpk 1,41
O verall Capability
Pp
PPL
PPU
Ppk
Cpm

7,41
O bserved Performance
PPM<LSL 0,00
PPM>USL 0,00
PPMTotal
0,00

7,44

7,47

Exp. Within Performance

PPM<LSL
7,70
PPM>USL 17,74
PPMTotal
25,45

7,50

7,53

7,56

1,54
1,57
1,51
1,51
*

7,59

Exp. O verall Performance

PPM<LSL 1,17
PPM>USL 3,14
PPMTotal
4,31

Todo est correcto en el estudio de capacidad.

Sera tambin interesante observar si existe alguna tendencia pero no se puede utilizar la
opcin Capability Sixpack porque slo tenemos una muestra de 50 valores. Podramos
hacer un grfico de control para observaciones individuales:

*Los enunciados y los datos propuestos en la prctica estn publicados en el manual de

MINITAB

Stat/Control Charts/Variables Charts for individuals/Individuals

I Chart of 50 valores
7.58

UCL=7.5732

7.56

Individual Value

7.54
7.52
_
X=7.5022

7.50
7.48
7.46
7.44

LCL=7.4313

7.42
5

10

15

20
25
30
Observation

35

40

45

50

Tampoco se observa nada especial. La produccin puede comenzarse.

*Los enunciados y los datos propuestos en la prctica estn publicados en el manual de

MINITAB

PROBLEMA 2: VISITAS_WEB*
El archivo VISITAS_WEB.MTW contiene el nmero de visitas a una pgina web que
informa sobre actividades de formacin en el rea de la calidad. El contenido del
archivo es el siguiente:
Columna
Nombre
Contenido
C1
Fecha
Fecha
C2
Da
Da de la semana
C3
Visitas
Nmero de visitas
A partir de estos datos se desea realizar un estudio de capacidad del nmero de visitas
diarias para ms adelante poder valorar el impacto de unas acciones de promocin que
se piensan llevar a cabo.
Estos datos ya se han analizado previamente y una informacin relevante es que el 10
de Octubre sali un anuncio en prensa sobre la institucin que organiza estas
actividades, y se indicaba que se poda obtener ms informacin en esta web, y los
valores ms bajos corresponden a fines de semana.
Eliminando estos datos, se decide realizar el estudio de capacidad de los das laborables.
Como el nmero de visitas a la pgina se puede tratar como una variable que sigue una
distribucin Poisson:
Stat/Quality Tools/Capability Anlisis/Poisoon
Poisson Capability Analysis of Visitas_ 1
Poisson Plot
UCL=94.20

80

Expected Defects

Sample Count Per Unit

U Chart
100

_
U=69.24

60
LCL=44.28

40
4

90

75
60

60
75
Observed Defects

8 12 16 20 24 28 32 36 40 44
Sample
Cumulative DPU

Dist of DPU
Summary Stats
(using 95.0% confidence)

DPU

72.0
70.5
69.0
67.5
66.0
10

20
Sample

30

90

40

Mean Def:
Lower CI :
Upper CI :
Mean DPU:
Lower CI :
Upper CI :
Min DPU:
Max DPU:
Targ DPU:

69.2381
66.7442
71.8013
69.2381
66.7442
71.8013
50.0000
91.0000
0.0000

Tar
12
9
6
3
0

15

30

45

60

75

90

No hay puntos fuera de control, los valores siguen razonadamente bien una distribucin
Poisson y el nmero de visitas se estabiliza en torno a 69.

*Los enunciados y los datos propuestos en la prctica estn publicados en el manual de

MINITAB