Benemrita Universidad

Autnoma de Puebla
Facultad de Ingeniera
Colegio de Ingeniera Industrial
Estadstica Industrial
Mtro. Hctor Eduardo De Cos Cholula
Trabajo Final: Cartas y Grficas de Control
Alumno: Paul Cuellar Lobato
Matricula: 201219549
Lunes Viernes 7:00 a 8:00 am
21 de Abril de 2014
Primavera 2014

CARTAS Y GRFICAS DE CONTROL

Qu son las Cartas de Control?
Son una herramienta estadstica que nos permite conocer si un proceso dado se encuentra en
estado de estabilidad o control. Tambin se definen como a las graficas cronolgicas de los datos
del proceso de inters, que nos ayudan a entender, controlar, y mejorar los procesos. Las cartas de
control son la herramienta ms poderosa para analizar la variacin en la mayora de los procesos.
Han sido difundidas exitosamente en varios pases dentro de una amplia variedad de situaciones
para el control del proceso. Estas enfocan la atencin hacia las causas especiales de variacin
cuando estas aparecen y reflejan la magnitud de la variacin debida a las causas comunes.
Causas de Variabilidad
Las causas comunes o aleatorias se deben a la variacin natural del proceso.
Las causas especiales o atribuibles son por ejemplo: un mal ajuste de mquina, errores del
operador, defectos en materias primas.
Se dice que un proceso est bajo control estadstico cuando presenta causas comunes nicamente.
Cuando ocurre esto tenemos un proceso estable y predecible. Cuando existen causas especiales el
proceso est fuera de control estadstico; las grficas de control detectan la existencia de estas
causas en el momento en que se dan, lo cual permite que podamos tomar acciones al momento.
Ventajas del Uso de las Cartas de Control
Las principales aportaciones que genera el uso de una carta de control, principalmente en los
procesos de produccin en las empresas y/o industrias son las siguientes:
Es una herramienta simple y efectiva para lograr un control estadstico.
El operario puede manejar las cartas en su propia rea de trabajo, por lo cual puede dar
informacin confiable a la gente cercana a la operacin en el momento en que se deben de
tomar ciertas acciones.
Cuando un proceso est en control estadstico puede predecirse su desempeo respecto a las
especificaciones. En consecuencia, tanto el productor como el cliente pueden contar con niveles
consistentes de calidad y ambos pueden contar con costos estables para lograr ese nivel de
calidad.
Una vez que un proceso se encuentra en control estadstico, su comportamiento puede ser
mejorado posteriormente reduciendo la variacin.
Al distinguir ente las causas especiales y las causas comunes de variacin, dan una buena
indicacin de cundo un problema debe ser corregido localmente y cuando se requiere de una
accin en la que deben de participar varios departamentos o niveles de la organizacin.

Qu es un Grafico de Control?
Es la representacin del comportamiento de los datos ordenados en el tiempo de un proceso, su
objetivo principal es detectar lo antes posible cambios en el proceso, donde se busca minimizar el
tiempo que transcurre desde que se produce un desajuste hasta que se detecta. Adems lleva
consigo falsas alarmas, que son las observaciones de un proceso en estado de control
interpretadas errneamente como seales de que en el proceso actan causas especiales.
Las graficas de control de Shewhart son de dos tipos: grficos de control por variables y grficos
de control por atributos, dnde para cada uno de los grficos, existen dos situaciones diferentes:
a) Cuando no existen valores especificados
b) Cuando existen valores especificados
Ventajas

Ventajas Significativas

Grficos de Control por

Variables
Conducen
a
un
mejor
procedimiento de control.

Proporcionan
una
utilizacin
mxima de la informacin
disponible de datos.

Grficos de Control por Atributos

Son potencialmente
cualquier proceso

aplicables

Los
datos
estn
a
menudo
disponibles.
Son rpidos y simples de obtener.
Son fciles de interpretar.

Son frecuentemente usados en los

informes a la Gerencia.
Ms econmicas
Des ventajas Signific ativas

No se entienden a menos que

se de capacitacin; puede causar
confusin entre los limites de
especificacin y los lmites de
tolerancia.

No
proporciona
informacin
detallada
del
control
de
caractersticas individuales.
No reconoce distintos grados de
defectos en las unidades de
producto.

Grficos de Control Por Variables

El uso de este tipo de graficas de control, es recomendable usar para los siguientes casos:
I. Se introduce un nuevo proceso, modificaciones en el existente o se fabrica un nuevo
producto.
II. El proceso tiene problemas sistemticos, no cumple con las tolerancias especificadas y es
necesario realizar un diagnstico de fallas.
III. Se han utilizado graficas de control por atributos, pero el proceso esta fuera de control o
bajo control pero con una capacidad inadecuada.
IV. Procesos con especificaciones muy estrechas o se hacen cambios en las especificaciones
del mismo.
V. Se debe demostrar continuamente la estabilidad y capacidad del proceso.

En estas graficas la caracterstica considerada sigue habitualmente siendo la distribucin

normal N (x, s). As, cuando el proceso est bajo control, el porcentaje de los artculos que se
encuentra en un intervalo de amplitud Ls correspondiente a (m Ls). Generalmente en un
grfico se muestran la tendencia central y la dispersin. Para la tendencia central lo usual es
utilizar la media X y en la dispersin se utilizan los recorridos R (es frecuente que se utilice
rango en lugar de recorrido) o las desviaciones estndar

S. Por eso tenemos las

combinaciones de graficas X-S y X-R.

Campos de Aplicacin de las Graficas de Control para Variables
Grafico

Descripcin

Campo de aplicacin.

X-R

Medias y Rangos

Cont rol de caractersticas individuales.

X-S

Medias y Des viacin

estndar.

Cont rol de caractersticas individuales.

Cont rol de un proceso con datos variables que no pueden ser

Individuales

muestreados en lotes o grupos.

Procedimiento para la Elaboracin de Graficas de Control por Variables

Este tipo de graficas de control son nicamente los datos que se pueden medir, como la
temperatura, volumen, peso, etc. de un producto para as determinar la falla en un proceso y
poder mejorarlo. El procedimiento que lleva este tipo de graficas de control es el siguiente:
1. Definir la caracterstica de calidad (variable) a medir.
2. Controlar condiciones de proceso. Eliminar todas las variables asignables.
3. Toma de muestras y tamao de muestra. Tomar k muestras, que deben ser ms de 25
muestras (k 25). El tamao de muestra es el nmero de unidades que se van a tomar en
cada muestra (n). El tamao de todas las muestras debe ser constante. Las muestras
deben tomarse a intervalos regulares de tiempo, y se van registrando los datos de cada una
en el mismo orden en que sean seleccionadas y medidas.
4. Hallar la lnea central y los lmites de control para la dispersin.
5. Hallar la lnea central y los lmites de control de la carta para la media.
6. Graficar y analizar. Se construyen las cartas a partir de muestras iniciales.
7. Si algn punto se sale de los lmites, se elimina (mejor se eliminan las causas asignables
que le dieron lugar) y se recalcula. Para nuevas muestras se utiliza esta carta a menos que
se modifique.
8. Calcular la capacidad del proceso
9. Comparar el proceso con los lmites de especificaciones.
10. Tomar acciones de acuerdo a los resultados.

Por lo general se analiza primero la carta de la dispersin pues el comportamiento de los

promedios y de los recorridos de cada muestra depende de la variabilidad estimada de las
piezas. Se deben atender los patrones de comportamiento que fueron sealados con
anterioridad. Si la carta de S o R est bajo control, la dispersin del proceso es t estable y por
lo tanto se puede analizar la carta. Con la grfica de medias se determina si el centro del
proceso est cambiando con el tiempo y si ese es el caso, entonces existen causas especiales
de variacin que estn ocasionando esos problemas.

Clculos de los Lmites de Control en las Graficas por Variables

Para calcular los lmites o regiones de control se hace lo siguiente:
Considere una muestra aleatoria de tamao n, X1, X2, , Xn. Siendo los estadsticos de
orden: X(1), X(2) . X( n).
Donde las funciones lineales de los estadsticos de orden, denominados L-estimadores, son
de la forma:

Utilizando la funcin anterior, los limites de control se calculan a partir de los valores
esperados y varianzas de las funciones usadas:

Por ejemplo, si T = X es la media maestral de una muestra aleatoria de tamao n, donde Xj

~ N(, 2), entonces:

Si T = X representa la lnea central de una carta de control para la medida de localizacin

T = X, los limites 3 son:

Sin embargo, si suponemos que un proceso se encuentra bajo control estadstico y por lo tanto
su distribucin es N (, ), si se extrae una muestra de tamao n, y su media muestral se
encuentra comprendida fuera del intervalo comprendido entre:
y

(llamados limites de control inferior y superior). Por el contrario si la

media muestral esta comprendida dentro del intervalo, el proceso no se encuentra bajo control
estadstico.

Para poder revertir esto, se necesita de la ayuda de otros tipos de grficos o estadsticos, no
solo con el de la media muestral, todo esto para obtener mas informacin del comportamiento
del proceso, para ello se contempla lo siguiente: la dispersin de los valores de una poblacin
se mide por su desviacin tpica y los estimadores mustrales utilizados mas frecuentemente
son el recorrido R y la desviacin tpica muestral S. Para poder analizar estos grficos en los
lmites de control, es conveniente recordar algunas propiedades de los estadsticos que se van a
utilizar para un mejor entendimiento de los grficos y los lmites que se fijan en cada uno:
a) Rango o recorrido muestral (R): Diferencia entre el valor mayor presente y el valor menor.
b) Desviacin tpica muestra (S), ya que es un estimador sesgado:

Estos estadsticos se aplican al clculo de los lmites de control en los siguientes tipos de
graficas de control para variables:
GRFICO X - R
Caso , conocidos. Si y son conocidos entonces la construccin de su grafico de

i.

medias es inmediato a partir de su definicin:

Donde el clculo de los lmites
se

hace

de

la

siguiente

manera:
ii.

Caso , desconocidos. Se debe estimar a partir de la media X y a partir del

recorrido medio R de k (muestra inicial).Donde el grafico seria a partir de X y R:
Donde los limites de control
serian:

Una vez establecidos los lmites de control para los casos anterior en un grafico X-R, se deben
comprobar si alguna muestra esta fuera de los lmites, y si es verdadero esto se tendr que
recalcular los lmites, por ejemplo cada 25 muestras.
GRAFICO X S
iii.

Caso , conocidos. Si y son conocidos entonces la construccin de la grafica es

anloga al caso anterior:

Cuando se utiliza s, los lmites son:

iv.

Pero si se utiliza s * , los lmites serian:

Caso , desconocidos. Se debe estimar a partir de la media de las medias y a

partir de la desviacin tpica muestral media de k muestras inciales:
Si se utiliza s * , los lmites
serian:

Pero si se utiliza S, los lmites son:

Sin embargo, utilizando S * , los lmites serian:

EJEMPLOS DE GRFICAS DE CONTROL POR VARIABLES (X-R y X-S)

Ejemplo sobre un proceso

relacionado con el dimetro
de los cilindros en un motor:

Graficas de Control por Atributos

Las graficas de control por atributos en general son ms econmicas, ms sencillas y tienen la
ventaja de que hacen posible considerar varias caractersticas de calidad al mismo tiempo que
permiten clasificar el artculo como disconforme si no satisface la especificacin de cualquier de
ellas. En contraste, si se manejan las diversas caractersticas de calidad como variables,
entonces habr que medir cada una de ellas y utilizar cartas independientes por variables para
cada una, o bien alguna tcnica estadstica multivariante que permita interpretar de manera
simultnea varias caractersticas. Cualquier caracterstica de calidad que pueda ser clasificada
de forma binaria: cumple o no cumple, funciona o no funciona, pasa o no pasa, etc., a los
efectos de control del proceso, ser considerado como un atributo y para su control se utilizar
un grfico de control por atributos. Los criterios de aceptacin al utilizar grficas de control por
atributos deben estar claramente definidos y el procedimiento para decidir si esos criterios se
estn alcanzando es producir resultados consistentes a travs del tiempo. Este procedimiento
consiste en definir operacionalmente lo que se desea medir. Una definicin operacional
consiste en:
1. Un criterio que se aplica a un objeto o a un grupo
2. Una prueba del objeto o del grupo
3. Una decisin, s o no: El objeto o el grupo alcanza o no el criterio.
Como ya se menciono anteriormente, las graficas de control por atributos tiene diferentes
campos de aplicacin, los cuales son:

Campos de Aplicacin de las Graficas de Control por Atributos

Carta

Descripcin

Campo de aplicacin.

Proporciones

Cont rol de la fraccin global de defectuosos de un proceso.

NP

Nmero de
defectuosos

Cont rol del nmero de piez as defectuosas

Defectos por unidad

Cont rol de nmero global de defectos por unidad

Promedio de defectos
por unidad

Cont rol del promedio de defectos por unidad.

Grfica

para

la

Fraccin

Global

de

Defectuosas de un Proceso
Una grafica P muestra las variaciones en la
proyeccin de unidades no conformes de una
produccin. Este caso surge cuando en cada
tiempo se selecciona una muestra de n artculos y

se cuenta el nmero de ellos no conformes (defectuosos). Se supone independencia de estos

artculos, con el objeto de usar la distribucin binomial, o como ocurre frecuentemente, su
aproximacin a la distribucin normal.
Pasos para la Elaboracin de la Grafica
1. Determinar la Frecuencia y el tamao de la muestra
2. Calculo del porcentaje defectuoso (p) del subgrupo
3. Calculo de porcentaje defectuoso promedio y lmites de control
4. Trace la grfica y analice los resultados.
Calculo de los Lmites de Control (Grafico P)
Si p es conocido, entonces los lmites de control 3 son:

Por lo tanto los lmites de control de la grfica p serian:

En este tipo de grafica se pueden dar dos casos para calcular los lmites de control, los cuales
son:
Grafica p con n constante, donde:
LC = p = Numero de artculos defectuosos / Numero total de artculos inspeccionados
Grafica p con n variable, donde si n no es constante, los
limites de control se pueden calcular as:
Y por lo tanto el valor de n es:
n = Total de inspeccionados / Total de subgrupos
Grfica NP para el Nmero de Piezas
Defectuosas
La grfica np es basada en el nmero de
defectuosos en vez de la proporcin de
defectuosos.

Los

lmites

son

calculados

mediante frmulas. En ocasiones cuando el

tamao del subgrupo o muestra es constante, es
ms conveniente usar el tipo de grafica np.
Clculo de los Lmites de Control (Grafico NP)
Los lmites de control para este tipo de grafica vienen
dados por la siguiente forma:

Grfica C para el Nmero Global de Defectos por Unidad

Se utiliza para determinar la ocurrencia de
defectos en la inspeccin de una

unidad de

producto. Esto es determinar cuantos defectos

tiene un producto. Podemos tener un grupo de 5
unidades de producto, 10 unidades, etc. Esta
grafica analiza la variabilidad del nmero de
defectos por subgrupo y es mejor que analizar el
porcentaje de objetos defectuosos.
Clculo de los Lmites de Control (Grafico C)
Los lmites de control se obtienen suponiendo que el estadstico C, sigue una distribucin de
Poisson, donde Ci es el nmero de defectos o eventos en el i-esimo subgrupo o muestra. Los
estimadores de la media y la varianza del estadstico son:
Y los

lmites

de control

serian:

Grfica U para el Promedio de Defectos

por Unidad
El diagrama se basa en el promedio de
defectos por unidad inspeccionada. Cuando
el nmero de artculos inspeccionados en
una unidad muestra n varia de unidad a
unidad, es mejor graficar la estadstica.
Clculo de los Lmites de Control (Grafico U)
Se utiliza la siguiente formula: U = C / n, la cual representa el numero de artculos defectuosos
por unidad o articulo. Para este grafico el LC es U, el
numero de promedio de defectos por articulo. Y como:
La varianza de U se estima por:

Por lo tanto, los lmites de control quedan como:

Reglas para la Deteccin de Procesos Fuera de Control

Para saber cuando un proceso esta fuera de control existen reglas capaces de detectar el
problema mediante las graficas de control de cualquier proceso, las cuales son:
Regla

Descripcin

Probabilidad

Un punto esta fuera de los lmites de cont rol.

0.27%

De tres puntos consecutivos, dos o ms estn en una de las zonas

0.15%

A (la misma).
2

Dos puntos consecutivos, estn en una de las zonas A (la misma).

0.05%

Racha de cinco puntos en las que cuat ro estn en la misma zona

0.27%

A o B.
3

Racha de cuatro puntos consecutivos que estn en la misma zona

0.06%

A o B.
4

Racha de siete puntos consecutivos por encima de la lnea central.

0.78%

Racha de seis punt os consecutivos por encima de la lnea central.

1.56%

Racha de ocho puntos consecutivos por encima de la lnea cent ral.

0.39%

Racha de seis punt os consecutivos se presentan de manera

0.14%

montona creciente.
6

De diez punt os consecutivos, existe una racha de 8 que se

0.07%

presentan de manera montona creciente.

6

De nueve puntos consecutivos, existe una racha de 8 que se

0.02%

presentan de manera montona creciente.

6

De nueve puntos consecutivos, existe una racha de 7 que se

0.42%

presentan de manera montona creciente.

7

Dados dos puntos cons ecutivos, el segundo esta al menos cuatro

0.23%

des viaciones t picas por encima del primero (por ejemplo, el

primero esta en la zona A inferior y el segundo en la B o A
superior).
8

Racha de quince puntos en la zona C.

0.30%

Racha de catorc e puntos alternativos ascendente descendente.

Las reglas anteriormente descritas, se pueden interpretar de la siguiente forma:

a) Reglas 1, 2, 3 ,3, 4, 4, 4 y 7. Si el grafico de medias presenta alguna de estas
indicaciones y el grfico S o R no presenta anomalas, lo ms probable es que el proceso
se encuentre desplazado. Si el grfico S o R presenta tambin indicaciones, entonces es
proceso ha aumentado la variabilidad y posiblemente tambin se ha desplazado.
b) Reglas 5, 6, 6, 6. Lo ms probable es que el proceso este desplazndose.

c) Regla 7. Si el grfico S o R no presenta anomalas, lo ms probable es que el proceso sea

muy inestable en cuanto a su centrado. Si el grfico S o R presenta tambin indicaciones,
entonces es probable que el proceso haya aumentado la variabilidad.
d) Regla 8. Puede ser sntoma de que se ha reducido la variabilidad del proceso si el grfico S
o R tambin muestra una reduccin de la variabilidad muestral. Si el grfico S o R no
muestra una reduccin de la variabilidad muestral, puede ocurrir que se estn mezclando
dos poblaciones distintas, siendo la distribucin resultante bimodal (dos jorobas).
e) Regla 9. Es sntoma de inestabilidad del proceso.
Ejemplos de Graficas de Control para Cada Regla
Regla 1. Un punto esta fuera de los lmites de control:

Regla 3. Racha de cinco puntos o ms en la misma

zona C:

Regla 9. Racha de catorce puntos

alternativos

ascendente descendente:

Regla 4. Racha de ocho puntos consecutivos por encima

y por debajo de la lnea central:

Regla 8. Racha de quince puntos en la zona C:

Que es la Capacidad de Procesos?

Es un anlisis de capacidad que evala la habilidad que tiene un proceso para producir
artculos que se ajusten a especificaciones preestablecidas, y que por lo tanto satisfagan los
requerimientos de los consumidores. Es decir, cuando un proceso esta en estado de control, a
la amplitud del intervalo de variabilidad de las observaciones individuales, se le denomina
capacidad. A partir de esto, se pueden realizar estudios de capacidad de proceso los cuales
tienen por objeto conocer: la distribucin estadstica que lo describe, el patrn de variabilidad
del proceso y principales factores relacionados con la variabilidad y por ultimo, comprender los
fenmenos fsicos y tecnolgicos importantes para el proceso.
Para la realizacin de un estudio de capacidad de procesos se realizan los siguientes pasos:
Comprender los fenmenos fsicos y tecnolgicos importantes para el proceso.
Definicin de la estratificacin de las medidas a tomar.
Estabilizar el proceso.
Toma de los datos.
Identificacin del patrn de variabilidad.
Comprobacin de la normalidad de los datos.
Clculo de Capacidad de Proceso en un Papel Probabilstico Normal
Algunas ventajas de realizar este clculo de la capacidad de proceso en un papel probabilstico
normal son:
Se puede observar el comportamiento del proceso sin tomar tantos datos como en el
histograma, 10 son suficientes
El proceso es ms sencillo ya que no hay que dividir el rango de la variable en intervalos de
clase como en el histograma.
Visualmente se puede observar la normalidad de los datos, si se apegan a la lnea de
ajuste
Permite identificar la media y la desviacin estndar aproximada del proceso. As como la
fraccin defectiva, el porcentaje de datos entre cierto rango, el Cp y el Cpk.
Para calcular la capacidad de proceso se hace el siguiente procedimiento:
1. Se toman al menos n = 10 datos y se ordenan en
forma ascendente, asignndoles una posicin ( j )
entre 1 y n.
2. Se calcula la probabilidad de cada posicin con la
frmula siguiente: Pj = (j - 0.5) / n
3. En el papel especial normal se grafica cada punto
(Xj, Pj)

4. Se ajusta una lnea recta que mejor aproxime los puntos

5. Si no hay desviaciones mayores de la lnea recta, se considera normal el proceso y se
procede a hacer las identificaciones:
La media ser el punto en X correspondiente a Pj = 0.5
La desviacin estndar es la diferencia en Xj correspondiente a Pj = 0.5 y Pj = 0.84
ndices de Capacidad de Procesos
a) ndice Cp: Calcula lo que el proceso seria capaz de producir si
el proceso estuviera centrado, donde supone que el resultado
del proceso sigue una distribucin normal. Cabe mencionar que
este ndice se refiere a la capacidad que tiene todo proceso de
producir piezas de acuerdo a las especificaciones, es decir,
dentro de los lmites de tolerancia establecida, y para ello es
necesario contar con suficientes muestras.
Clculo del ndice Cp
Se utiliza la siguiente formula: Cp = Ancho de Especificaciones / Ancho del Proceso

Donde Cp es la capacidad del proceso, LST es el lmite superior de tolerancia, LIT es el

lmite inferior de tolerancia y es la desviacin tpica (sigma). Adems se considera lo
siguiente:
Cp < 1 es inaceptable
1 < Cp < 1.33 es marginal
Cp > 1.33 es capacidad potencial adecuada
b) ndice Cpk: Calcula lo que el proceso es capaz de producir si
el objetivo del proceso esta centrado entre los limites de la
especificacin. En caso de que la media del proceso no este
centrada, Cp, sobreestima la capacidad del proceso. Cpk < 0
si la media del proceso se sita fuera de los limites de
especificacin y supone el resultado mediante la distribucin
normal.
Clculo del ndice Cpk
Se utiliza la siguiente formula: Cpk = Distancia de la media al limite de tolerancia mas
ajustado / Semicapacidad del Proceso

= min (Cpl, Cpu)

Donde LST es el lmite superior de tolerancia, LIT es el lmite inferior de tolerancia, es la

media estimada del proceso y es la variabilidad estimada del proceso. Adems cabe
resaltar la siguiente afirmacin:
Cpk = Cp si el proceso esta centrado
La relacin entre los ndices Cp y Cpk es:
Cpk = (1 - k) Cp
c) ndice Cpu: Este ndice se usa cuando el proceso solo tienen un lmite de especificacin
superior. Es mu til cuando la especificacin de la variable solo se expresa como un
mximo o como un mnimo, para indicar a un analista en que sector de la especificacin
(superior o inferior) se presenta mas riesgo de incumplimiento de los valores establecidos.
Clculo del ndice Cpu
Se utiliza la siguiente formula:

Donde LST es el lmite superior de tolerancia, es la media estimada del proceso y es la

desviacin tpica (sigma).

d) ndice Cpl: Este ndice se ocupa cuando el proceso solamente tiene un lmite de
especificacin interior. Solo evala la mitad de la distribucin de los datos teniendo en
cuenta solo 3 y ayuda a indicar a un analista en que sector de la especificacin existe
mayor riesgo de incumplimiento de los valores establecidos.
Clculo del ndice Cpl
Se utiliza la siguiente formula:

Donde LIT es el lmite inferior de tolerancia, es la media estimada del proceso y es la

desviacin tpica.

CONCLUSIONES
Las graficas de control son herramientas de gran ayuda para los procesos de produccin y de
calidad de cualquier tipo de producto, ya que nos ayudan a identificar cualquier tipo de error en
la produccin o de alguna especificacin que no va de acuerdo al producto, por ello este tipo de
graficas nos ayudan a analizar las muestras y as poder realizar anlisis estadsticos y
matemticas para saber en que esta fallando nuestro proceso y como mejorarlo. Las graficas
de control nos llevan a representar la informacin que se obtuvo en una grafica que representa
los limites de control, as como la variacin que tienen las muestras a cada determinado lapso
de tiempo, todo esto para facilitar la localizacin de la falla o error en la produccin del
producto, y esto puede ser en el tamao, volumen, temperatura, o cualquier otra especificacin
en el producto, as como de generar posibles soluciones a estos problemas. En cuanto a los
ndices de capacidad tambin son de gran ayuda para los procesos, ya que nos ayudan a
determinar los errores o alteraciones que hay en la produccin o desarrollo y nos ayudan
principalmente a mantener un proceso bajo control, esto va relacionado con la calidad y la
produccin, que para los ingenieros industriales es fundamental dominar estas reas.
BIBLIOGRAFIA
Montgomery, Douglas C. & George C. Runger, Probabilidad y Estadstica Aplicadas a la
Ingeniera, Limusa, 2 edicin, 2009, Mxico, Pgs. 645-660.
Devore, Jay L., Probabilidad y Estadstica para Ingeniera y Ciencias, Cengage
Learning, 8va edicin, 2012, Mxico, Pgs.: 651-680.
Marcelino Aranda, Marian & Dania Ramrez Herrera, Administracin de la Calidad:
Nuevas Perspectivas, Patria, 1er edicin, 2012, Mxico, Pgs. 132-140.
WEBGRAFIA
Russell Noriega, Mara Guadalupe, Control Estadstico de Procesos, Universidad
Autnoma de Sinaloa, 2012,

Mxico, Extrado el 19 de

Abril de 2014 de:

http://www.cimat.mx/Eventos/vpec12/cursoLupitaR.pdf
Ruiz Falco-Rojas, Arturo, Control Estadstico de Procesos, ICADE, 2006, Madrid,
Extrado el 19 de Abril de 2014 de: http://web.cortland.edu/matresearch/controlprocesos.pdf
Sin Autor, Graficas de Control, FUNDIBEQ, 2010, Mxico, Extrado el 19 de Abril de
2014

de:

http://www.fundibeq.org/opencms/export/sites/default/PWF/downloads/gallery/methodology/t
ools/graficos_de_control_por_atributos.pdf
Sin Autor, Cartas y Graficas de Control, FIE, 2011, Mxico, Extrado el 19 de Abril de
2014

de:

http://lsc.fie.umich.mx/~juan/Materias/Cursos/Estadistica/Notas/EstInferencial/11CartasCont
rol.pdf