II.

I.
INTRODUCCIN
REVISION BIBLIOGRFICA

II.1. Grficos de Control

II.1.1. Generalidades
El SPC se fundamenta en la propuesta realizada por
el Dr. Walter Shewhart (Neuhauser, 2006) quien
mientras laboraba en la empresa Bell Telephone, en
la dcada de los 20 del siglo pasado, desarroll las
bases para el control de procesos, impulsando
adems la idea de que los problemas ocurridos
durante el proceso pueden ser por causas normales o
causas especiales, siendo el grfico propuesto el que
ayudaba a identificar dichas causas; su identificacin
daba como resultados la reduccin de la variabilidad
y la mejora del proceso.
El Dr. Walter A. Shewhart

propuso

realizar

el

seguimiento de las caractersticas de calidad a travs

parmetros estadsticos como el promedio y la
varianza de una variable aleatoria relacionada con la
calidad,

con

el

fin

de

reducir

su

variabilidad

utilizando grficos hoy conocidos como grficos de

control o grficos de Shewhart, los cuales indican
la evolucin de los valores de los estimadores de las
caractersticas de calidad, calculados a partir de
muestras de tamao n, obtenidas de procesos
continuos de produccin, los cuales ayudan a tomar
una decisin acerca del estado del proceso.
A travs de los grficos propuestos, Shewhart
identificaba y analizaba las causas de su variabilidad,
la misma que se estudiaba para diferenciar entre la
variabilidad natural tambin llamada fortuita, comn
o aleatoria, presente en un estado bajo control del
proceso

una

variacin

inaceptable

en

el

desempeo del proceso, generada por problemas no

inherentes al proceso llamadas causas asignables o
especiales, las cuales son responsables de llevar al
proceso a un estado de fuera de control de forma
imprevista. Los grficos de control tambin ayudan a

detectar con rapidez la presencia de alguna causa no

deseable. Tambin indicaba que
el control de procesos consta de dos fases:
La fase de desarrollo, que ayuda a conocer el
comportamiento

estadstico

del

proceso,

determina lmites de control para el estimador del

parmetro analizado y ayuda a eliminar causas

asignables o especiales.
La fase de madurez, en la cual se mide la
capacidad del proceso para cumplir con los
estndares de calidad inicialmente propuestos; se
identifica el promedio del nmero de muestras
antes de obtener falsas alarmas; y ayuda a
reducir el tiempo o el nmero de muestras
necesarias para detectar pequeos cambios en el

proceso.
Los primeros grficos de control propuestos por
Shewhart, fueron para monitorizar el promedio y la
variacin (R o S), estos grficos de control se aplican
a variables cuantitativas (medidas). Adicionalmente
aparecieron los grficos c y p para monitorizar el
nmero de defectos por lotes y la proporcin de
defectos por lotes, respectivamente; es decir, SPC
para variables cualitativas.
La incorporacin de estas y otras modificaciones a
los grficos de control de Shewhart, para que estos
no sean

solo para variables cuantitativas sino

tambin para variables cualitativas, hicieron que su

aplicacin sea cada vez mayor.
Otra aportacin al SPC del tipo univariante, fue la
incorporacin de dos nuevos grficos para detectar
pequeas variaciones en el proceso, uno introducido
por E. S. Page (1954) denominado grfico de
sumas acumuladas (CUSUM, por sus siglas en ingls)
y el segundo introducido por S. W. Roberts (1959)
denominado

grfico

de

promedios

mviles

exponencialmente ponderados (EWMA, por sus siglas

en

ingls).

Estos

grficos

van

acumulando

informacin obtenida de las muestras anteriores y de

esta manera pueden detectar de forma ms rpida
pequeos cambios en el proceso. An son muy
utilizados, aunque solo realizan el control de una
variable a la vez.
Posteriormente se dio impulso al control estadstico
de

procesos

de

tipo

multivariado,

el

cual

es

frecuentemente utilizado para monitorizar diversas

variables relacionadas a la calidad (Fuchs y Kenett,
1998). La principal aportacin en este campo fue la
realizada por el Profesor Harold Hotelling (1947),
quien propuso un grfico de control multivariado
basado en la distancia de Mahalanobis (1936),
utilizando el vector de promedios y la matriz de
covarianzas

de

una

variable

aleatoria

con

distribucin normal multivariada, para realizar el

grfico de control multivariado denominado grfico
1

0 ) ,
T 2 =n ( X 0 ) ( X

de control T2 de Hotelling

el cual monitoriza la distancia entre el vector de

promedios esperado y el vector de promedios
observados, considerando su matriz de covarianzas y
que utiliza un lmite de control (CL) el cual indica si la
distancia entre los dos vectores es lo suficientemente
grande para declarar al proceso como fuera de
control.
Una aportacin muy importante en este mismo
campo fue el realizado por Lowry (1992) a travs
del

grfico

de

control

multivariados MEWMA,

EWMA

para

casos

T i =Z i Z i ; previamente
2

Crosier en 1988 haba presentado una versin

multivariada
acumuladas

del

grfico

de

control

de

sumas

MCUSUM,

Ci = ( Si1 + X i 0) (Si1 + X i 0 ) . En el apartado

2.2.4 se revisa en detalle estos grficos.

Se han realizado otras aportaciones en el campo del
control estadstico de procesos multivariados, las
obras de Jackson (1980, 1981a, 1981b) sobre el uso
de

componentes

principales

anlisis

de

los

factores, as como la contribucin de MacGregor y

Kourti (1995), Nomikos y MacGregor (1995) y
Kourti y MacGregor (1996) que tienen como
objetivo reducir la dimensionalidad de los problemas
de los procesos de seguimiento con un gran nmero
de
variables

travs

de

mtodos

de

proyeccin

(mtodos de variables latentes). Aparisi et al.

(2010) tambin estudi los grficos de control de
componentes principales y su optimizacin.
Todos estos mtodos requieren la medicin de todas
las variables. La reduccin que proporcionan estos
mtodos reside en el anlisis, sus contextos y
motivaciones son diferentes de las consideradas en
el presente trabajo, el cual es optimizar el grfico de
control considerando el coste de la medicin de las
variables.

Con

esta

motivacin,

Costa

De

Magalhes (2005) propusieron y analizaron un

grfico de control del tipo univariado en el que la
variable de calidad X es sustituida por una nueva
variable Y mucho menos costosa de medir y que X se
mida solamente cuando a travs de Y haya una
indicacin de que el proceso puede estar fuera de
control.
En el contexto multivariado, Gonzlez y Snchez
en

2010,

presentan

dimensionalidad

se

un

esquema

reduce,

pero

donde
de

la

forma

permanente, esto crea un riesgo de indetectabilidad

durante el proceso de ciertas alteraciones que
podran aparecer en las variables que dejaron de ser
consideradas, tal como lo expresan en su artculo.

II.1.2.

Bases estadsticas para la construccin de

los grficos de control
El control estadstico de procesos se aplica a varias
caractersticas de calidad que presentan variabilidad
debido a los factores aleatorios relacionados al
proceso productivo (Ruz-Falc, 2006). Cuando la
caracterstica de inters es medible, generalmente
tiene funcin de distribucin de probabilidad normal
X ~ N (, ); si no lo tuviera, se puede hacer uso del
Teorema del Lmite Central o de transformaciones
matemticas para aproximar o asumir su
normalidad.
Para
caractersticas
medibles,
existe
principalmente por estimar:

a. la media del proceso a travs de

inters
;

b. la variabilidad a travs del rango R en cada

muestra;
c. la desviacin estndar , a travs de s; o
d. 2 utilizando s2.
Los estimadores se definen de la siguiente manera:
n

1
X = 1 x i ; n es el tamao de muestra
n i
R=max ( X i )min

V.

III.
MATERIALES Y METODOS
IV.
RESULTADOS Y DISCUSIONES
CONCLUSIONES Y RECOMENDACIONES
VI.
REFERENCIA BIBLIOGRFICA
VII.
ANEXO