MODULO

CONTROL ESTADISTICO
DEL PROCESO (SPC)
STATISTICAL PROCESS CONTROL

UNIDAD III
GRAFICAS DE CONTROL
M.C. ROLANDO DEL TORO WALS
GRAFICAS DE CONTROL

3.-GRAFICAS DE CONTROL
Dr. Walter Shewhart
Laboratorios Bell ~1920
Fu el primero en hacer la distincin entre variacin controlada y
no-controlada debida a causas comunes y especiales.
Desarroll las grficas de control para separar las dos causas.
Es la nica herramienta que distingue entre causas especiales y
causas comunes de la variacin.

Qu es una Grfica de
Control?
Es la representacin grfica de una caracterstica de un proceso.
Representa a un proceso mostrando si solo estn presentes causas
comunes de variacin.
Le dice si algo est cambiando en su proceso y en que momento
est sucediendo tal cambio.
No le dice que est causando el cambio y si este es bueno o
malo.
GRAFICAS DE CONTROL

Aplicaciones Bsicas de
las
Grficas de Control
Asisten al determinar si un proceso ha estado operando dentro
de control estadstico.
Separan las causas comunes de variacin de las causas
especiales de variacin.
Ayudan a lograr y mantener control estadstico.
Beneficios de los Sistemas de Grficas de
Control

Tcnica comprobada para mejorar la productividad

Efectiva para prevenir defectos
Evita ajustes innecesarios al proceso
Proporciona informacin de diagnstico
Proporciona informacin acerca de la capacidad del proceso

GRAFICAS DE CONTROL

El Mejoramiento del Proceso y las

Grficas de Control
Entrada

Salida

Proceso
Sistema de
Medicin
4. Verificar y
Observar

1. Detectar la
Causa Asignable

3. Implantar
Accin Correctiva

2. Identificar la
Causa Raz
HTAS. BASICAS

3.1.-Componentes de una Grfica de Control

Lmite de Control
Superior

X-bar Chart for KPO V

615

UCL=613.6

Sample Mean

Media
605
X =599.1
595

585

LCL=584.6
0

Lmite de Control
Inferior

10

20

Sample Number

GRAFICAS DE CONTROL

X-bar Chart for KPOV

UCL
( + 3 Sigma)

Zone A

( + 2 Sigma)

Zone B

( + 1 Sigma)

Zone C

( -1 Sigma)

Zone C

( - 2 Sigma)

Zone B

( - 3 Sigma)

Zone A

LCL
0

10

20

Para las grficas de Shewhart, como la X-barra. Los lmites de control

se colocan a +/- 3 desviaciones estndar de la media del proceso
GRAFICAS DE CONTROL

Causas comunes y especiales

CAUSAS COMUNES
Existen en cada operacin/proceso
Son causadas por el mismo proceso (debido a la forma como
usualmente hacemos las cosas)
Generalmente controlable por la gerencia
CAUSAS ESPECIALES
Existen en la mayora de las operaciones/procesos. Se pueden
presentar de vez en cuando, o continuamente en algunos
procesos.
Son causados por una nica alteracin o una serie de ellas.
Generalmente controlable por el operador (o cuando menos
detectable).
Cada tipo exhibe diferentes caractersticas estadsticas; por lo
tanto, para controlar y reducir sus efectos, debemos tratarlas
de manera diferente.
HTAS. BASICAS

Causas Comunes vs. Causas Especiales de Variacin

Causas Comunes de Variacin...
Ms del 90% de la variacin es por naturaleza, debida a causas
comunes. Por ejemplo, cules son algunas de las causas
comunes de variacin que lo forzan a usted a llegar al trabajo a
diferente hora cada da? Lo crea usted o no... la variacin que
existe en las ventas es debida a causas comunes.
Causas Especiales de Variacin...
Menos del 10% de toda la variacin es por naturaleza, debida a causas
especiales. Cules podran ser algunos ejemplos de causas
especiales de variacin que lo forcen a llegar a horas variables a su
trabajo cada da?
Aunque menos del 10% de toda la variacin es debida a causas
especiales, la gente an tiende a tratar cada pico o valle como si
fuera especial - cuando normalmente son causas comunes.

HTAS. BASICAS

Causas Comunes vs. Causas Especiales de Variacin

A quin le importa? Por qu invertir tiempo identificando si la
variacin en un proceso es debida a causas comunes o
especiales?
La respuesta...
Una de las principales razones del por qu se hacen y se utilizan las
grficas de control, es para identificar causas especiales de
variacin. Usaremos diferentes estrategias para reducir la variacin
dependiendo de si la variacin es comn o especial.

HTAS. BASICAS

Causas Comunes vs. Causas Especiales de Variacin

Prueba para detectar causas especiales...
1) Recolecte, grafique, y clasifique cuando menos 30 datos y
asegurese de que pasan las pruebas de normalidad y calcule
los lmites de control. Tpicamente, esto incluye calcular la
media, la desviacin estndar, y entonces ir arriba y abajo 3
desviaciones estndar de la media.

2) Aplique las siguientes pruebas: (si alguna pasa, la variacin se dice

que es causa especial por naturaleza)
2.1) Cualquier punto que caiga fuera de los lmites de control.
2.2) 7 puntos consecutivamente incrementando o decreciendo.
2.3) 7 puntos consecutivos en un lado de la media (no la meta).
2.4) 14 puntos consecutivos en forma de serrucho.

HTAS. BASICAS

10

Causas Comunes vs. Causas Especiales de Variacin

Tres estrategias para reducir las causas comunes de variacin...
1) Estratificacin - examinando las diferentes caractersticas
respecto la salida del proceso, tales como que da de la semana
ocurri la variacin ms alta o cual estilo/parte gener la mayor
variacin. Tpicamente, las grficas de Pareto son muy tiles
cuando se estratifican los datos.
.
2) Disgregacin - dividir un proceso en sus componentes y
estudiar la variacin en cada paso del proceso. Se relaciona
muy seguido con estudios de capacidad y de rendimiento. Los
Diagramas de Flujo, los histogramas, y las grficas de pareto
son muy tiles al desintegrar los datos.

HTAS. BASICAS

11

3) Experimentacin - cambiando algunos factores en diferentes niveles y

analizando los resultados y los efectos. La Experimentacin puede
resultar costosa y lo comn es que se intente nicamente despus de
haber hecho la estratificacin y/o la disgregacin.
Otros conceptos...
1) La Regla de los 5 Por qu.
2) Lmites de Control vs. Lmites de Especificacin.
1)
2)
3)
4)
5)

5 Elementos de la Grficas de Control

Grfica de Observaciones (X-barra, X)
Grfica de Variaciones (R, s, MR) - Por qu se necesita?
Tabla de Datos
Reporte de Acciones Correctivas
Ventana de Sumario Estadstico (normalmente en los paquetes de
software de sistemas de SPC nicamente)

HTAS. BASICAS

12

Pasos para Implantar

Grficas de Control

Seleccione la caracterstica apropiada que se va

a controlar
Selecione el punto de recoleccin de los datos
Seleccione el(los) tipo(s) de grfica(s) de
control
Determine el tamao de la muestra apropiado y
la frecuencia
Establezca las bases para los sub-grupos
racionales
Determine el mtodo y los criterios de medicin
Determine la capacidad de los gauges
Desarrolle un estudio inicial de capacidad para establecer los
lmites de control de prueba
Disee las formas para recolectar y graficar los datos
Establezca un procedimiento para recolectar, graficar, analizar
y actuar; basndose en esta informacin
Proporcione instrucciones por escrito y entrene al personal
involucrado
GRAFICAS DE CONTROL

13

Tipos de Grficas de Control

Existen muchos tipos de grficas de control; sin embargo, los

principios bsicos para cada una, son los mismos.
El tipo apropiado se escoge utilizando el conocimiento de ambos
SPC y los objetivos de su proceso.
La seleccin del tipo de grfica depende de:
Tipos de Datos:
atributos vs. variables
Facilidad del muestreo
homogeneidad de la
muestra
Distribucin de los datos normal o anormal
Tamao del subgrupo
constante o variable

GRAFICAS DE CONTROL

14

Como Seleccionar el tipo Correcto de

Grfica de Control
Tipo de
datos

Atributos
Defectos

rea de oportundad
constante de muestra a
muestra?

Grficar defectos
o defectivos?

Si

Defectivos

Variables

Individuales

Los datos tienden a estar

normalmente distribuidos debido
al teorema del lmite central

Mediciones
individuales o
subgrupos?

Medicin a
Subgrupos

c,u
Datos normalmente
distribuidos?

No

Si

Si la media es grande, X y Rm
son efectivas tambin

No

Tamao del
subgrupo constante?

Si

p, np

Inters
principal en cambios
bruscos de la
media?

X, Rm
No

MA, EWMA,
o CUSUM
y Rm

Si

Xbarra-R

No

Si ni n ni p son pequeas;
X barra-R, y X-Rm son
efectivas tambin

GRAFICAS DE CONTROL

Ms efectivas para detectar

cambios graduales a largo plazo

Usar grfica X barra-R con

reglas modificadas

15

Muestreo

Tamao de la Muestra
Grfica de variables: 5 si es posible por cada muestra de 30 a 40
muestras
Grfica de atributos : 30 o ms dependiendo de los porcentajes
Frecuencia de la Muestra
No demasiadas (muy costoso)
No muy poquitas (la informacin no es confiable)
Como regla general: mientras ms seguido, es mejor
Los sistemas de medicin en-lnea ofrecen control del proceso en el
tiempo real
Subgrupos racionales
Trate de capturarlos cuando los factores clave de un proceso son
consistentes
Si se hace correctamente, un subgrupo racional para un proceso en
control reflejar unicamente variacin de causas comunes

GRAFICAS DE CONTROL

16

Una idea fundamental en el uso de las cartas de control es recopilar datos

muestrales de acuerdo a lo que Shewhart denomino subgrupo racional.
En general esto significa:
La seleccin de subgrupos o muestras de modo que, en la medida de lo
posible, la Variabilidad de las observaciones dentro de un subgrupo
incluya toda la variabilidad aleatoria o natural, y excluya la variabilidad
asignable o por causas especiales
Cuando se aplican las cartas de control a los procesos de produccion, el
orden temporal de la produccion es una base logica para la formacion de
subgrupos racionales
El orden cronologico es una buena base, para formar subgrupos, ya que
permite la deteccion de causa asignables que se presentan con el paso
del tiempo
En algunas lineas de maquinado en las primeras operaciones de
desbaste se muetrea cada 2 hrs. Ya que las tolerancias son mayores en
estas operaciones, a diferencia de las ultimas operaciones donde el
muestreo es cada hora ya que la tolerancia es mas cerrada en estas
operaciones.
GRAFICAS DE CONTROL

17

Cuando un proceso esta formado por varias maquinas que combinan

su salida en una banda de transporte comun. Si se toman muestras
en la salida de esta banda Sera muy dificil detectar si alguna de las
maquinas estan fuera de control por lo que es recomendable aplicar
tecnicas de cartas de control a la salida de cada maquina.
A veces este concepto debe aplicarse a diferente cabezales de la
misma maquina, estaciones de trabajo diferentes, opradores
diferentes, y asi sucesivamente.
Es costumbre ubicar los limites de control sobre una grafica a una
distancia de mas o menos tres desviaciones estndar de la variable
graficada. Estos limites se conocen como limites de control 3sigma
Estos limites consideran valores de Z /2 = 3 en un intervalo de
confianza que comprende una area bajo la curva de la normal del
99.73%
Otra manera de evaluar las desiciones con respecto al tamao de la
muestra y la frecuencia de muestreo, es mediante la longitud de
corrida promedio (LCP) de la grafica de control
GRAFICAS DE CONTROL

18

La LCP es el numero promedio de puntos que deben graficarse antes de

que uno de ellos indique una condicion de proceso fuera de control.
Para cualquier grafica de control la LCP pude calcularse a partir de
la media de una variable aleatoria geometrica como:
LCP =

1
p

Donde p es la probabilidad de que cualquiere punto exceda los limites

de control. Por lo tanto para una carta X con limites 3-sigma, p = 0.0027
es la probabilidad de que un solo punto caiga fuera de estos limites cuando
El proceso est bajo control, asi que
LCP =

1
p

1
0.0027

= 370

Es la longitud de corrida promedio de la carta X cundo el proceso esta

Bajo control

GRAFICAS DE CONTROL

19

Impacto del Tamao del Subgrupo

UCL
UCL
UCL
LCL
LCL

LCL

n=3

n = 10

n = 25

Si el tamao de la muestra se incrementa, los lmites de control

estarn ms juntos. Esto tiene el efecto de incrementar la sensibilidad
de la grfica a cambios pequeos en el promedio de la poblacin.
Tambin disminuye la probabilidad del error tipo II. Como regla
general, el tamao del subgrupo (n) debe ser: 2 < n < 6.
GRAFICAS DE CONTROL

20

No utilizar grficas de control para analizar

datos ha sido una de las mejores formas
conocida por el hombre de aumentar costos,
desperdiciar esfuerzos, y bajar la moral.
- Dr. Donald J. Wheeler

GRAFICAS DE CONTROL

21

4.-GRAFICAS DE CONTROL PARA

VARIABLES

X-barra
Mide el objetivo o el centro del proceso
Verifica el cambio en la Media de la variable a travs del tiempo
Individuales
Similar a la X-barra
Grafica puntos individuales en lugar de la Media
Mediana
Similar a la X-barra
Grafica todos los puntos en la muestra y el punto de enmedio se
encierra en un crculo
Rango
Se usa con la grfica X-barra
Verifica la variabilidad del proceso a travs del tiempo
Mide la ganancia o prdida de uniformidad
Sigma
Similar a la grfica de Rango
Usa la estimacion de Sigma de la muestra
Rango Mvil
Similar a la grfica de Rango
Se grafica un rango nuevo con cada punto consecutivo
Se usa con la grfica individual
GRAFICAS DE CONTROL

22

Sumario
Grficas de Control de Variables
Tipo de Grfica

Propsito

Aplicacin
Cuando se pueden muestrear ms
de 1 unidad cada vez

Rango (R)

Observar el promedio
de una caracterstica
a travs del tiempo
Observar la
variabilidad de una
caracterstica /tiempo

Desviacin
Estndar (S)

Observar la
Se usa con la grfica X cuando
variabilidad de una
la muestra es 9
caracterstica /tiempo

Promedio (X)

Individual y
Rango Movible
(I - MR)
Exponencialmente
Balanceada Prom.
Movible (EWMA)
Suma acumulativa
(CUSUM)

Observar la
variabilidad de una
caracterstica
individual a
travs del tiempo

Se usa con la grfica X cuando

la muestra es <8

Areas de produccin que

requieren perodos largos de
tiempo para una sola muestra o
cuando una nica muestra es
significativa

Se usa en areas donde el subgrupo

racional es n=1 o cuando es neceObservar pequeos
sario detectar cambios pequeos
cambios en el proceso
en el proceso, o cuando los datos
no estn normalmente distribuidos
Similiar a EWMA

Se usa en aplicaciones
especiales

Tamao del
Subgrupo

n 2
3n8

Comentarios
Insensible a los cambios menores que 2 Sigma
cuando: n = 4 a 6

Ninguno

n9

Aumenta la sensibilidad debido al aumento del

tamao de la muestra. Se usa cuando es necesario
un control estricto y/o el costo no es impactante

n=1

Se debe estar seguro que se cumplan los

requerimientos de la distribucin normal

n>1

No es de Shewhart. No reacciona a cambios grandes

tan rpidamente. Tambin es capaz de producir
resultados pronosticados. Suaviza los datos para
enfatizar tendencias. Importan ms datos recientes

n>1

No es de Shewhart. La misma sensibilidad que la

EWMA. Difcil de graficar manualmente

GRAFICAS DE CONTROL

23

4.1.-Grficas de Control X - R ( Medias y

Rangos )
Ventajas
Aritmtica simple
Muy sensible a cambios en el proceso
Tamao de muestra constante
Limitante
Una grfica de control por caracterstica de calidad
PRIMER PASO:
DECISION DE LA CONSTRUCCION DE LA GRAFICA INCLUYENDO:
LOS OBJETIVOS A CONSEGUIR
ELECCION DE LA VARIABLE
ELECCION DEL TAMAO Y FRECUENCIA DE
OBTENCION DE LOS DATOS

GRAFICAS DE CONTROL

24

Guas para la seleccin de subgrupos:

Para procesos en produccion respecto a las grficas de control ;
Minimice la oportunidad de cambios dentro de la muestra.
Tome piezas consecutivas.
Tome la muestra peridicamente en la hora especificada para
estudiar cambios en el proceso entre intrvalos.
Para procesos totalmente nuevos, se recomienda un tamao de
subgrupo de 4 5 piezas consecutivas a intrvalos de 1 2
horas, Dependiendo de las tolerancias de los procesos como el
desbastado (2hrs) o el rectificado (1hr).
METODO DE REGISTRO
INSTRUMENTO Y METODO DE MEDICION

GRAFICAS DE CONTROL

25

En lugar de ver todas las salidas del proceso (puntos),

supongamos que nicamente nos podemos dar
el lujo de ver una muestra de n=3 por hora

10 10.5
Y = Peso (lbs)

9.5

10 10.5
Y = peso (lbs)

9.5

= Medida individual
= Promedio del subgrupo
GRAFICAS DE CONTROL

26

Grfica de Rango:

R=1.0

R=0.5
Rango (ancho)= R=1.5
Y = Peso (lbs)

Grfica de Rango

R=1.0

GRAFICAS DE CONTROL

27

Promedios:

Y = Peso (lbs)

Grfica X-barra
UCL
Linea Central
LCL

GRAFICAS DE CONTROL

28

2do. PASO:
CALCULAR PARA CADA SUBGRUPO
X y R

X = X i = X 1 + X 2 + ...........X
n

RANGO = VALOR MAXIMO - VALOR MINIMO

3er. PASO:
A) CALCULAR LA MEDIA DE RANGOS.

R = R

= R 1 +R

+ ..............R

n = El numero de observaciones de la muestra

K = El numero de muestras
GRAFICAS DE CONTROL

29

B) CALCULAR LIMITE SUPERIOR E INFERIOR PARA LA GRAFICA

RANGOS

DONDE D3, D4 Y A2 SON

CONSTANTES DE
GRAFICAS DE CONTROL
QUE DEPENDEN DEL
TAMAO DE LA MUESTRA

LSC R = D4 R
LIC R = D3 R

C) CALCULAR X (PROMEDIO DE PROMEDIOS) O BIEN CONOCIDA COMO

LA MEDIA DE MEDIAS

X = X i = X1 + X 2 + .............X
K
K

4to. PASO
CALCULAR LOS LIMITES DE CONTROL PARA LA GRAFICA DE MEDIAS O
PROMEDIOS

LSC

=X+A

LIC

=XA

R
R

30

GRAFICA DE CONTROL POR VARIABLES

Nombre de la parte: tubo alimentacion de gasolina CT-40
Caracterstica:
Espesor de Formado
Frec./ Tamao de Muestra: 5 piezas cada hora
X =Promedio de X = 1.726

X &R

Especificacin:

1.42

1.92

Instrumento : Vernier Digital

LSC = X +( A 2 R ) =

1.797

LIC =XX- +(
( AA22R)
R =) =

1.654

X
L S E 1.96

1.92
1.88
1.84
L S C 1.80
1.76
1.72
1.68
L I C 1.64
1.60
1.56
1.52
1.48
1.44
L I E 1.40
1

10

R =Promedio de R= 0.105

11

12

13

14

LSCR = D4 R =

15

16

17

18

19

20

0.221

21

22

23

24

25

LICR = D3 R =

26

27

28

29

30

R
0.28
0.24
LSC

0.20
0.16
0.12
0.08
0.04
0.00
2

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29

30

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29

30

LECTURAS

1.82

1.74

1.68

1.75

1.74

1.74

1.78

1.70

1.70

1.72

1.76

1.75

1.75

1.77

1.69

1.72

1.75

1.74

1.75

1.73

1.69

1.71

1.77

1.74

1.76

1.75

1.73

1.75

1.73

1.78

1.79

1.66

1.66

1.69

1.75

1.76

1.78

1.68

1.68

1.65

1.76

1.74

1.69

1.70

1.71

1.68

1.68

1.74

1.82

1.59

1.72

1.67

1.74

1.75

1.76

1.61

1.69

1.71

1.69

1.75

1.67

1.76

1.72

1.64

1.78

1.73

1.68

1.78

1.75

1.65

1.74

1.77

1.66

1.75

1.74

1.62

1.78

1.73

1.71

1.75

1.74

1.63

1.75

1.71

1.65

1.72

1.76

1.65

1.73

1.74

1.78

1.65

1.79

1.78

1.77

1.73

1.79

1.63

1.74

1.72

1.67

1.77

1.71

1.64

1.74

1.77

1.78

1.74

1.72

1.69

1.71

1.73

1.73

1.72

1.76

1.66

1.71

1.76

1.72

1.77

1.69

1.80

1.72

1.75

1.65

1.76

1.76

1.75

1.73

1.75

1.77

1.77

1.71

1.77

1.70

1.76

1.64

1.76

1.72

1.76

1.69

1.75

1.65

1.80

1.71

1.78

1.72

1.74

1.63

1.78

X
R

1.75

1.72

1.71

1.72

1.74

1.74

1.76

1.71

1.72

1.70

1.74

1.76

GRAFICAS
DE CONTROL
1.70 1.73 1.72 1.71 1.73 1.74 1.74

1.70

1.71

1.70

1.73

1.74

1.73

1.70

1.72

1.72

31
1.70

1.76

0.15

0.15

0.13

0.14

0.13

0.03

0.11

0.15

0.07

0.10

0.10

0.03

0.17

0.05

0.12

0.12

0.09

0.11

0.17

0.07

0.11

0.10

0.04

0.09

0.13

0.05

0.15

0.14

0.03

0.11

GRAFICA DE CONTROL
PLANTA

DEPTO.

OPERACION

ESPECIFICACIONES DE ING.

PARTE No.

MAQ. No.

DIAS

CARACTERISTICAS

TAMAO DE MUESTRA/FREQUENCIA

NOMBRE DE PARTE

X- PROMEDIOS X-

UCL = X + A2R-

LCL = X - A2R-

ACCIONES

PROMEDIOS (X)

EN CASOS ESPECIALES
CUANDO CUALQUIER PUNTO ESTE FUERA DE
LIMITES
AL CORRER LOS 7 PUNTOS QUE ESTEN ENCIMA O
DEBAJO DE LA LINEA CENTRAL
AL CORRER LOS 7 PUNTOS ARRIBA O HACIA ABAJO
OBIAMENTE CUALQUIER OTRO FUERA DE PATRON
DEL MODELO

INSTRUCCIONES DE ACCION
1.
2.
3.
R- PROMEDIOS R-

UCL = D4R-

LCL = D3R-

DISTANCIAS (R)

4.
5.
SUBGRUPO
No.
A2
2
1.88
3
1.02
4
.73
5
.58
6
.48
7
.42
8
.37
9
.34
10
.31

DIA
TIEMPO

L
E
C
T
U
R
A
S

1
2
3
4

D3
*
*
*
*
*
.08
.14
.18
.22

D4
3.27
2.57
2.28
2.11
2.00
1.92
1.86
1.82
1.78

5
SUMA

DEBE ESTAR EL PROCESO

CONTROLADO ANTES DE PODER
DETERMINAR LAS CAPACIDADES

X
R

GRAFICAS DE CONTROL

32

CONSTANTES PARA LAS GRAFICAS DE CONTROL

Nmero de
observaciones
n

A2

A3

2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25

1.880
1.023
0.729
0.577
0.483
0.419
0.373
0.337
0.308
0.285
0.266
0.249
0.235
0.223
0.212
0.203
0.194
0.187
0.180
0.173
0.167
0.162
0.157
0.153

2.659
1.954
1.628
1.427
1.287
1.182
1.099
1.032
0.975
0.927
0.886
0.850
0.817
0.789
0.763
0.739
0.718
0.698
0.680
0.663
0.647
0.633
0.619
0.606

Ms de 25

3
n

A6
1.187
0.691
0.509
0.412
0.350

1 -

B3

B4

c4

d2

d3

d4

D3

D4

D5

D6

E2

0.000
0.000
0.000
0.000
0.030
0.118
0.185
0.239
0.284
0.321
0.354
0.382
0.406
0.428
0.448
0.466
0.482
0.497
0.510
0.523
0.534
0.545
0.555
0.565

3.267
2.568
2.266
2.089
1.970
1.882
1.815
1.761
1.716
1.679
1.646
1.618
1.594
1.572
1.552
1.534
1.518
1.503
1.490
1.477
1.466
1.455
1.445
1.435

0.7979
0.8862
0.9213
0.9400
0.9515
0.9594
0.9650
0.9693
0.9727
0.9754
0.9776
0.9794
0.9810
0.9823
0.9835
0.9845
0.9854
0.9862
0.9869
0.9876
0.9882
0.9887
0.9892
0.9896

1.128
1.693
2.059
2.326
2.534
2.704
2.847
2.970
3.078
3.173
3.258
3.336
3.407
3.472
3.532
3.588
3.640
3.689
3.735
3.778
3.819
3.858
3.895
3.931

0.853
0.888
0.880
0.864
0.848
0.833
0.820
0.808
0.797
0.787
0.778
0.770
0.762
0.755
0.749
0.743
0.738
0.733
0.729
0.724
0.720
0.716
0.712
0.709

0.954
1.588
1.978
2.257
2.472
2.645
2.791
2.915
3.024
3.121
3.207
3.285
3.356
3.422
3.482
3.538
3.591
3.640
3.686
3.730
3.771
3.811
3.847
3.883

0.000
0.000
0.000
0.000
0.000
0.076
0.136
0.184
0.223
0.256
0.283
0.307
0.328
0.347
0.363
0.378
0.391
0.403
0.415
0.425
0.434
0.443
0.451
0.459

3.267
2.574
2.282
2.114
2.004
1.924
1.864
1.816
1.777
1.744
1.717
1.693
1.672
1.653
1.637
1.622
1.608
1.597
1.585
1.575
1.566
1.557
1.548
1.541

0.000
0.000
0.000
0.000
0.000
0.078
0.139
0.187
0.227

3.865
2.745
2.375
2.179
2.055
1.967
1.901
1.850
1.809

2.660
1.772
1.457
1.290
1.184
1.109
1.054
1.010
0.975

1 +

2n

3
2n

GRAFICAS DE CONTROL

33

Una persona de la empresa X quiere conocer el comportamiento de su proceso, en el cual se construye una barra esp
cliente es de 30 +/- 0.25, para lo cual determino obtener 25 subgrupos de tamao 5 de acuerdo con la siguiente tabla:
SUB.DATO 1
1 30.005
2 30.019
3 30.001
4 30.056
5 30.014
6 30.099
7 29.945
8 29.979
9 29.991
10 29.993
11 29.964
12 29.949
13 29.974
14 30.043
15 29.980
16 29.890
17 30.201
18 29.930
19 30.059
20 29.946
21 29.935
22 29.944
23 30.201
24 29.977
25 30.060

DATO 2DATO 3DATO 4DATO 5

29.977 30.024 29.857 29.985
30.066 29.947 30.004 30.095
30.088 30.130 29.999 30.002
30.037 29.942 29.931 30.036
29.894 30.079 29.898 29.846
30.038 30.024 30.013 30.051
29.975 30.006 29.803 30.028
30.114 30.076 29.890 29.974
30.043 29.947 29.944 29.999
30.054 30.001 30.073 30.102
30.112 30.033 29.950 29.995
30.044 30.063 29.991 29.983
30.056 29.994 29.957 30.080
30.052 29.986 29.901 29.962
30.040 30.084 29.944 30.065
30.122 29.835 30.119 30.030
30.020 30.011 29.975 30.047
30.038 30.130 30.034 30.067
29.937 29.963 30.101 29.996
30.026 29.990 29.951 29.972
30.115 30.011 29.940 30.079
30.122 30.036 29.883 29.922
30.070 30.026 29.960 30.062
29.933 29.990 30.097 29.999
29.961 29.928 30.026 29.928

X
29.970
30.026
30.044
30.000
29.946
30.045
29.951
30.007
29.985
30.045
30.011
30.006
30.012
29.989
30.023
29.999
30.051
30.040
30.011
29.977
30.016
29.981
30.064
29.999
29.981

a).- En base a lo anterior, realice una Grfica X-R.

b).- Determine la capacidad del proceso.

R
0.167
0.148
0.131
0.125
0.233
0.086
0.225
0.224
0.099
0.109
0.162
0.114
0.123
0.151
0.140
0.287
0.226
0.200
0.164
0.080
0.180
0.239
0.241
0.164
0.132

COLUMNAS MANEJO/RESULTADOS
(# Subgrupos). K = 25.0
(Tamao Subgrupo). n= 5.0
X s = 750.178
R s = 4.150
X = 30.007
R = 0.166
A2 = 0.580
D4 = 2.110
D3 = 0
d2 = 2.330
LSCx = 30.103
Lim. X LICx = 29.911
LCx = 30.007
LSCr = 0.350
Lim. R LICr = 0
LCr = 0.166
S* = 0.0712
Especificacin Cliente = 30 +/- 0.25
LSE = 30.250
LIE = 29.750
Cp = 1.17
Zlse = 3.41
Zlie = 3.61
Zmin = 3.41
Cpk = 1.14
Sn-1 = 0.0727
X n-1 = 30.002
PP = 1.15
Zlse = 3.4
Zlie = 3.5
Zmin = 3.4
PPk= 1.1

GRAFICAS DE CONTROL

34

Grfica X

30.3
FORMULAS:
Limites en X:
LSCx = X + (A 2 x R).
LICx = X - (A2 x R).
LCx = X

30.2

30.1

Limites en R:
LSCr = D4 x R
LICr = D3 x R
LCr = R

29.8

29.7

29.6

25

23

21

19

17

15

13

11

29.5

PP = (LSE - LIE) / (6 x S n-1)

Zlse = (LSE - Xn-1) / S n-1
Zlie = (Xn-1 - LIE) / S n-1
PPk = Zmin / 3.

29.9

Cpk = Zmin / 3.

ZLSE = (LSE - X ) / S*
ZLIE = (X - LIE) / S*

X Promedio

30
S* = R/d2
Cp = (LSE - LIE) / (6 x S*)

Muestra

LSE

LSC

GRAFICAS DE CONTROL

LC

LIC

LIE

35

G rfica R
0.400
0.350
0.300

0.200
0.150
0.100
0.050

25

23

21

19

17

15

13

11

0.000

Ran go

0.250

M u e s tra

LSC

GRAFICAS DE CONTROL

LC

LIC
36

Recalculando lmites de control

Los lmites de control han sido generados por la salida del proceso
en s. Se deben recalcular nicamente cuando sea apropiado
hacerlo. En general, recalcule cuando:
Una grfica se empez a llenar recientemente y se encuentra
en el perodo de la curva de aprendizaje respecto al
muestreo, medicin, dibujo, etc.
Existe un cambio conocido en el proceso y su efecto ha sido
verificado contra los lmites viejos de control.

Hay un cambio desconocido o incierto en el proceso. La grfica

R es un buen indicador de lo aejo de los lmites si 2/3 o ms
puntos caen arriba/abajo de la lnea central. Si estn arriba
indica que est empeorando lo cual requiere investigacin y
accin inmediata.
GRAFICAS DE CONTROL

37

Cuando debemos recalcular lmites de control?

(1) Muestran los datos un
comportamiento claramente
diferente al pasado?
S
(2) Se conoce la razn de este
cambio?
S

No

No

No

(3) Es deseable el nuevo proceso?

S
(4) Esperamos que el nuevo comportamiento
contine?
S

No necesitamos
lmites nuevos

Usted debera
buscar causas
asignables en lugar
de andarle
moviendo a los
lmites.

No

Est bien revisar los lmites basados en los datos

recolectados desde el cambio en el
GRAFICAS DE CONTROL
comportamiento del proceso.

38

Prom

Disper Prom Disper Prom

Disper Prom

Disper

Estable
?
S / No

39

Prom

Estable
?
S / No

SI

Disper Prom Disper Prom

NO

NO

NO

NO

Disper Prom

SI

SI

Disper

SI

Esperaramos ver las grficas en control o fuera de control?

Grfica X
Grfica R
GRAFICAS DE CONTROL

40

Prom

Estable
?
S / No

Grfica X
Grfica R

SI

Disper Prom Disper Prom

NO

NO

NO

NO

Disper Prom

SI

SI

Disper

SI

Esperaramos ver las grficas en control o fuera de control?

DENTRO

FUERA

FUERA

DENTRO

FUERA

FUERA

DENTRO

DENTRO

GRAFICAS DE CONTROL

41

Mitos comunes del SPC

Mito#1
Los datos deben estar distribuidos normalmente para usar una grfica de control
Mito#2
Los datos deben de estar en control antes de colocarse en una grfica de control

Mito#3
los datos que estn en control en una grfica estarn normalmente distribuidos
Mito#4
Las grficas de control funcionan debido al Teorema del Lmite Central
Mito#5
Las tcnicas de Pre-Control son tan poderosas como una grfica de control
Mito#6
El SPC debera de usarse nicamente al llegar a la Fase IV: Control del Proceso.
GRAFICAS DE CONTROL

42

Fase I: Medicin del Proceso

MITO:
El SPC debera de usarse
nicamente al llegar a la Fase IV:
Control del Proceso.

Fase II: Anlisis del Proceso

Fase III: Mejora del Proceso

Fase IV: Control del Proceso

Hacer de la Fase IV el punto principal de la

utilizacin del SPC es perder el verdadero poder
y el potencial de mejora de las grficas de
control.

GRAFICAS DE CONTROL

43

4.2.- Anlisis de Patrones en las

Grficas de Control

Cualquier punto fuera del lmite de control superior o inferior es

seal de que el proceso est fuera de control
De otro modo buscamos patrones usando reglas establecidas para
reconocer las condiciones fuera de control
Solamente use las reglas en las cuales los operadores pueden
tomar accin.
Reglas de Western Electric:
Un punto fuera de los lmites de 3-sigma
Dos de tres fuera de los lmites de 2-sigma
Cuatro de cinco fuera de los lmites de 1-sigma
Ocho consecutivos en un lado de la lnea central

GRAFICAS DE CONTROL

44

Aprendiendo a Interpretar las Grficas

UCL

LCL
0

10

15

Obser vationNumber

Tendencia:
Movimiento continuo en una direccin. Las tendencias son ocasionadas
usualmente por el desgaste gradual de una herramienta o el deterioro de
algn otro componente crtico del proceso. Las tendencias pueden
resultar tambin por las influencias de la estacin del ao, tales como
temperatura.
GRAFICAS DE CONTROL

45

Aprendiendo a Interpretar las Grficas

UCL

LCL
0

10

20

ObservationNumber

Mezcla:
Se observa que la mayora de los puntos tienden a caer muy cerca de
los lmites de control, y relativamente pocos cerca de la lnea central.
Una condicin de mezcla la generan dos o ms distribuciones que se
traslapan generando la salida del proceso. La severidad de este modelo
depende de qu tanto se traslapen las distribuciones. Algunas veces la
mezcla es el resultado de un sobre-control, donde los operadores
hacen demasiados ajustes al proceso muy frecuentemente respondiendo
a la variacin normal en lugar de reaccionar a las causas asignables
unicamente.
GRAFICAS DE CONTROL
46

Aprendiendo a Interpretar las Grficas

UCL

LCL
0

10

20

ObservationNumber

Estratificacin:
Los puntos graficados tienen la tendencia a agruparse cerca de la lnea
central.
Una causa potencial de la estratificacin es el clculo incorrecto de los lmites
de control. Tambin puede ser que el proceso ha mejorado y su distribucin
ya es ms angosta. De cualquier forma, se deben recalcular los lmites de
control.
GRAFICAS DE CONTROL

47

Aprendiendo a Interpretar las Grficas

UCL

LCL
0

10

20

ObservationNumber

Cambios en el Nivel del proceso:

El promedio del proceso cambia a un nuevo nivel. Estos cambios
resultan por la introduccin de algo nuevo: operadores, materiales,
mtodos, mquinas, etc. Tambin puede ser un cambio en los
mtodos de inspeccin o cambio de estndares por mejoras al
proceso.
GRAFICAS DE CONTROL

48

Aprendiendo a Interpretar las Grficas

UCL

LCL
0

10

20

Observation Number

Patrn Cclico:
Se observan ciclos repetidos en la grfica. Esta configuracin puede ser
el resultado de un cambio sistemtico como temperatura, fatiga del
operador, rotacin regular de operadores y/o mquinas, fluctuaciones
de voltaje o presin, etc...
GRAFICAS DE CONTROL

49

4.3.-GRAFICOS DE CONTROL X-S (MEDIA

Y DESVIACION ESTANDAR)
OBJETIVOS DE LOS GRAFICOS X-S
ESTABLECER O CAMBIAR ESPECIFICACIONES
PARA DETERMINAR SI UN PROCESO PUEDE CUMPLIR CON LO
ESPECIFICADO
ESTABLECER O CAMBIAR UN PROCESO DE PRODUCCION
ESTABLECER O CAMBIAR UN PROCEDIMIENTO DE INSPECCION Y DE
ACEPTACION O AMBOS

ESTOS GRAFICOS NOS PROPORCIONAN UNA BASE EN LA TOMA DE

DECISIONES DURANTE LA PRODUCCION.
CUANDO INVESTIGAR LAS CAUSAS DE
VARIACION
CUANDO TOMAR UNA ACCION
CUANDO DEJAR SOLO EL PROCESO
ACEPTACION O RECHAZO DE UN PRODUCTO

REDUCCION DE COSTOS DE INSPECCION

GRAFICAS DE CONTROL

50

ELABORACION DE LA GRAFICA X-S

A CONTINUACION SE ENUMERAN LOS PASOS NECESARIOS.
UNO.- OBTENER LA MEDIA DE LAS MEDIAS DE LOS DATOS ESTO ES:
SI EL SUBGRUPO MAS GRANDE NO SUPERA AL MAS PEQUEO EN MAS DE
DOS VECES SU TAMAO, EL CALCULO CON MEDIAS NO PONDERADAS SE
CONSIDERA SUFICIENTEMENTE CORRECTO.

X=

n1x1 + n2x2 + n3x3 + + nkxk

n1 + n2 + n3 + + nk

DOS.- OBTENER LA MEDIA DE LA DESVIACION ESTANDAR (S)

s=

n1s12 + n2s2 2 + n3s3 2 + + nksk 2

n 1 + n 2 + n 3 + + nk
GRAFICAS DE CONTROL

51

TRES.- CALCULAR LA MEDIA DEL TAMAO DE LOS GRUPOS

n=

n 1 + n 2 + n 3 + + nk
k

CUATRO.- CALCULAR EL FACTOR A

A1=

n
CINCO.- CALCULAR EL FACTOR B

B3= 1 SEIS.- CALCULAR EL FACTOR B

2n

B4= 1 +

2n

GRAFICAS DE CONTROL

52

SIETE.- OBTENER LOS LIMITES DE CONTROL PARA X

LSCX = X + A1S
LICX = X - A1S
NUEVE.- OBTENER LOS LIMITES DE CONTROL PARA S

LSCS = B4S
LICS = B3S

GRAFICAS DE CONTROL

53

4.4.-GRAFICO DE CONTROL X R DE MEDIANAS

EL GRAFICO DE MEDIANAS SE DEBE TRABAJAR CON GRUPOS DE IGUAL
TAMAO. SE SUGIERE QUE ESTOS SEAN DE 5 , 7 O 9 (PARA UNA
MAYOR FACILIDAD DE CALCULO DE LA MEDIANA) OBSERVACIONES
CADA UNO, DE ESTA MANERA EL VALOR CENTRAL NO NECESITA
CALCULARSE
1

1,

2,

3,

4,

5.

1,

2,

3,

4,

5,

6,

7.

1,
8,

2,
9.

3,

4,

5,

6,

7,

ELABORACION DE LAS GRAFICAS DE MEDIANAS

UNO) CALCULAR LA MEDIA DE LAS MEDIANAS

X= X1 + X2 + X3 + + Xn
n
GRAFICAS DE CONTROL

54

DOS) CALCULAR LA MEDIA DE RANGOS.

R = R1 + R

+R
n

++R

TRES) CALCULAR EL LIMITE SUPERIOR E INFERIOR

DE CONTROL PARA MEDIANAS

LSC m = X + A6 R
LIC m = X A6 R
CUATRO) CALCULAR EL LIMITE SUPERIOR E INFERIOR DE CONTROL PARA
RANGOS

LSC = D4 R
LIC = D3 R
GRAFICAS DE CONTROL

55

4.5.- GRAFICOS DE CONTROL X-Rm

LECTURAS INDIVIDUALES Y RANGOS
MOVILES
El tamao de la muetra es de una unidad n=1 algunos ejemplos
de estas situaciones son las siguientes:

*Se utiliza tecnologia de medicion e inspeccion automatizada

*El ritmo de produccion es muy lento
*Las mediciones repetidas de un proceso difieren solo debido a
*errores en el laboratorio o a errores en el analisis
La grafica utiliza el rango movil (Rm) de dos observaciones
Sucesivas para estimar la variabilidad del proceso.
El rango movil esta definido como

Rm= Xi

GRAFICAS DE CONTROL

Xi-1
56

1.-Calcular el promedio de las lecturas individuales

X = X1 + X2 + ...........Xk
K
2.-Determinar los rangos moviles para cada par
obs.
Concentracion
rango
1
102 .0
2
94.8
3
98.3
4
98.4
5
102.0

de lecturas
movil
7.2
3.5
0.1
3.6

3.-Calcular el promedio de los rangos moviles

R

= R1 +R2 + . . . . . . Rk-1
K-1
4.-Calcular los limites de control para la grafica
m

LC= X

LSC=X + 2.66 Rm
LIC=X 2.66 Rm
57

Ejemplo
La pureza de un producto qumico se mide cada hora.
La tabla siguiente presenta las determinaciones de pureza
de las ultimas 14 horas
Obs.
1
2
3
4
5
6
7

Pureza
81
83
82
80
84
76
83

Obs.
8
9
10
11
12
13
14

Pureza
79
82
75
80
83
86
84

Determinar si el proceso se encuentra bajo control estadstico

GRAFICAS DE CONTROL

58

4.6.- GRAFICA DE CONTROL DE SUMA

ACUMULATIVA
La desventaja ms importante de cualquier grafica de control de
Shewhart es que sta es relativamente insensible a corrimientos

Pequeos en el proceso, del orden de1.5 o menos.

Una alternativa muy eficaz para la grafica de control es la grafica de
control de suma acumulada (SUMCUM) que tiene un desempeo
mucho mejor en la deteccin de corrimientos pequeos.
La carta SUMCUM grafica las sumas acumuladas de las desviaciones
de los valores muestrales con respecto a un valor especfico. Por
ejemplo, supngase que se toman muestras de tamao n1 y que
Xj es el promedio de la j-sima muestra. Entonces si o es el valor
deseado de la media del proceso, la grafica de control de SUMCUM
se forma al graficar la cantidad:
i

Si =

J=1

el nmero de
(Xj - o ) Contra
Muestra i

GRAFICAS DE CONTROL

59

SUMCUM
Si es la suma acumulada hasta la i-sima muestra inclusive, combinando
la informacion de varias muestras.
Las graficas SUMCUM son particularmente eficaces con muestras
de tamao n=1. Esto hace que sea conveniente emplearla en industrias
quimicas y de procesos, donde es frecuente que los subgrupos
racionales sean de tamao uno, asi como en la fabricacion de partes
discretas con medicin automatica en cada una de ellas y en el control
en linea utilizando microcomputadoras, directamente en el centro de
Trabajo.
Si el proceso permanece bajo control en el valor deseado o, la suma
acumulada debe fluctuar alrededor de cero. Sin embargo si la media
se desplaza hacia arriba, aparecer entonces un corrimiento hacia
arriba o positivo. Si la media se desplaza hacia abajo el corrimiento
sera hacia abajo o negativo, por lo tanto si tenemos una tendencia
en los puntos deber considerarse como una evidencia de que la media
del proceso se ha desplazado, con lo que debe emprenderse la
busqueda de una cusa asignable o especial.

GRAFICAS DE CONTROL

60

Ejemplo:
Considere una muestra de 20 observaciones de concentracion
en la salida de un proceso quimico. Las observaciones se toman a
intervalos de una hora, si el valor deseado para la concentracin
Es o = 99

Si =

SO = 0

(X j 99)
J=1

i-1

= (X j 99) +

J=1

(X j 99)

= (X j 99) + Si-1

GRAFICAS DE CONTROL

61

Observacion i

Xi

X i 99

Si = (X i 99) +Si-1

102.0

3.0

3.0

94.8

-4.2

-1.2

98.3

-0.7

-1.9

98.4

-0.6

-2.5

102.0

3.0

0.5

98.5

-0.5

0.0

99

0.0

0.0

97.7

-1.3

-1.3

100.0

1.0

-0.3

10

98.1

-0.9

-1.2

11

101.3

2.3

1.1

12

98.7

-0.3

0.8

13

101.1

2.1

2.9

14

98.4

-0.6

2.3

15

97.0

-2.0

0.3

16

96.7

-2.3

-2.0

17

100.3

1.3

-0.7

18

101.4

2.4

1.7

19

97.2

-1.8

-0.1

20

101.0

2.0

1.9

62

GRAFICAS DE CONTROL

63

p
o

GRAFICAS DE CONTROL

64

Existen dos enfoques generales para el diseo de los limites

de control para las SUMCUM. El primero es el procedimiento
de la mscara V. sta es una ranura en forma de V en un plano
que puede colocarse en diferentes posiciones sobre la grafica
el procedimiento de desicin consiste en colocar la mascara V
sobre la grafica en el punto O sobre el ultimo valor Si, y la linea OP
paralela al eje horizontal.Si todas las sumas acumuladas previas
se encuentran dentro de los dos brazos de la mscara V, entonces
el proceso esta bajo control por lo contrario se consideraria fuera
de control si algun punto esta fuera de los brazos.
La mscara V puede aplicarse a cada punto nuevo de la grafica
SUMCUM.
Algunos programas de computadora hacen la grafica SUMCUM
con el esquema de control de la mascara V.

GRAFICAS DE CONTROL

65

5.-GRAFICAS DE CONTROL PARA

ATRIBUTOS
Estn basadas en decisiones de acepto/noacepto.
Se pueden aplicar en casi cualquier operacin
donde se recolectan datos.
Se utilizan en caractersticas de calidad que no
pueden ser medidas o que son costosas o
difciles de medir.
A diferencia de las grficas de control por
variables, las grficas de atributos se pueden
establecer para una caracterstica de calidad o
para muchas.

GRAFICAS DE CONTROL

66

CARACTERISTICAS DE LOS GRAFICOS DE CONTROL POR

ATRIBUTOS.
LOS HECHOS QUE FAVORECEN EL USO DE LOS GRAFICOS POR ATRIBUTO
SON:
APLICABLES A CUALQUIER PROCESO
RAPIDOS Y SIMPLES DE OBTENER
FACILES DE INTERPRETAR
CONTRIBUYEN A DAR PRIORIDAD A AREAS CON PROBLEMAS

LAS OBSERVACIONES POR ATRIBUTOS CONSTAN DE:

UN CRITERIO, UNA PRUEBA, Y UNA DECISION

Defectos vs. Defectivos

Un defectivo es una unidad en una muestra que tiene una
o ms no-conformancia(s) respecto al criterio especificado.
Un defecto es cada no-conformancia respecto al criterio de
aceptacin especificado.
GRAFICAS DE CONTROL

67

Tipos de Grficas de Atributos

Defectivos
np - nmero de unidades no-conformantes
p - proporcin de unidades no-conformantes
Defectos
c - nmero de defectos
u - proporcin de defectos

Tamao de la Muestra, Sensibilidad y Seleccin

Una limitante de las grficas de control de atributos es que se
requieren tamaos de muestra mucho ms grandes para tener
la misma sensibilidad que la de una grfica X-barra y R.
Las muestras deben ser seleccionadas al azar de un lote y un
perodo especificado de produccin.
GRAFICAS DE CONTROL

68

Terminologa y Smbolos
n = tamao de la muestra
k = nmero de grupos de muestras
s = desviacin estndar (muestra y poblacin)

Grfica np
np = nmero promedio de defectivos

Grfica p
p = promedio de fraccin defectiva
P = promedio de porciento defectivo

Grfica c
c = nmero promedio de defectos

Grfica u
u = nmero promedio de defectos por unidad
n = tamao promedio de la muestra
GRAFICAS DE CONTROL

69

Sumario
Grficas de Control de Atributos
Tipo de
Grfica
Nmero de
Defectivos (np)

Propsito

Aplicacin

Observar el # de
defectivos en
un subgrupo

Tamao del subgrupo fijo lo que

elimina la necesidad de recalcular
los lmites de control para cada
subgrupo.
Ms conveniente que la grfica p

# Unidades
rechazadas

Fraccin
Defectiva (p)

Revisar la fraccin
de defectivos
en un subgrupo

Se usan normalmente en puntos de

control de calidad donde 1 o ms
atributos del producto se inspeccionan y resulta una condicin de
Unidades Rechazadas pasa/falla para la unidad.
Unidades Revisadas

Tamao del
Subgrupo

Comentarios

El tamao del subgrupo debe

permanecer fijo

No es efectiva cuando el nivel de defectos es

bajo. se deben considerar otra alternativas.

Tamao del subgrupo puede

variar; debe ser lo
suficientemente grandepara tener
probabilidad alta de que, al
menos 1 defecto est presente
en el subgrupo.

No es efectiva cuando el nivel de defectos es

bajo y/o cuando el tamao del subgrupo es
demasiado pequeo. No es apropiada tampoco
si un solo defecto genera una condicin fuera
de control.

Nmero de
Defectos por
Subgrupo (c)

Verifica el # de
defectos en
un subgrupo.

Empleada para verificar el #

de defectos en una unidad

El tamao del subgrupo es 1

unidad la cual puede tener
mltiples defectos.
Tamao del subgrupo diferente
de uno pero fijo

El control no es efectivo cuando el nivel de

defectos es pequeo.

# Promedio de
Defectos por
Unidad (u)

Observa el #
promedio de
defectos en
una unidad

Empleada para verificar

el # promedio de defectos
en una unidad.

El tamao del subgrupo

puede variar.

El control no es efectivo cuando el nivel de

defectos es pequeo.
Los lmites deben ser calculados individualmente
para cada subgrupo si el tamao del subgrupo
ha estado variando.

GRAFICAS DE CONTROL

70

Distribucin Binomial
Se aplica cuando estamos evaluando
defectivos.
Las grficas p y np se basan en sta
distribucin.
Existe una medida de tendencia central
(promedio de fraccin defectiva = p, np) y una
medida de variabilidad (desviacin estndar).
Evala las partes y las separa en categoras
de aceptado/no aceptado con un proceso
estable y la fraccin defectiva conocida (p).
GRAFICAS DE CONTROL

71

5.1.-La Grfica de Control np

Es el formato ms simple para revisar defectivos.

Requiere tamao de muestra constante.
Se grafica directamente el nmero de defectivos de la muestra.
La medida de tendencia central es el nmero promedio de artculos
Defectivos / muestra - np. Esta es la lnea central de la grfica.

OBJETIVOS DE LOS GRAFICOS (np)

INVESTIGAR LA MEDIA DE ARTICULOS DEFECTUOSOS DE MUESTRAS
CONSTANTES SOMETIDAS A INSPECCION.
RETROALIMENTAR AL PROCESO MEDIANTE EL DESCUBRIMIENTO DE
PUNTOS FUERA DE CONTROL

IDENTIFICAR Y CORREGIR CAUSAS DE LOS ARTICULOS DEFECTUOSOS.

SUGERIR AREAS PARA EL EMPLEO DE GRAFICOS X-R PARA
DIAGNOSTICAR PROBLEMAS DE CALIDAD
PROPORCIONAR UN CRITERIO DE ANALISIS PARA MEJORA DE
PROCESOS
GRAFICAS DE CONTROL

72

ETAPAS PARA LA ELABORACION DEL GRAFICO (np)

CALCULAR EL PROMEDIO DE UNIDADES
DEFECTUOSAS (np) .
K

p =

i=1

i=1

np

np =

np

i=1

n
CALCULAR LOS LIMITES

LSCnp = np + 3

np (1-p)

LICnp = np - 3

np (1-p)

GRAFICAS DE CONTROL

73

USOS DE LOS GRAFICOS (np)

AYUDAR A MEJORAR EL TRABAJO.
CONOCER LAS CAUSAS QUE CONTRIBUYEN AL REPROCESO,
QUE AL CONTROLARLAS, LO HACEN DISMINUIR.
OBTENER EL DISEO HISTORICO DE UNA O VARIAS
CARACTERISTICAS DE UNA OPERACIN EN EL PROCESO
PRODUCTIVO.
INVESTIGAR SOBRE EL CURSO O TENDENCIA DE UN
DEFECTO O UN GRUPO DE ELLOS.
Supongamos que tenemos un grupo de datos que representan el nmero
ordenes de compra rechazadas de el total diario de 62.

Nmero de unidades defectivas por da

2 5 4 3 3 6 5 0 7 5 4 1 2 3 6 3 8 4 4 4 6 4 2 3 7
Tiempo
GRAFICAS DE CONTROL

74

NP C hart for Number

Sample Count

10

UCL=9.870

5
NP=4.040

LCL=0.000
0

10

15

20

25

Sample Number

GRAFICAS DE CONTROL

75

GRAFICA No.______________

GRAFICA DE ATRIBUTOS ( )
DEPARTAMENTO:________________

ATRIBUTO:______________________________

LSC _______________________ LIC ________________

PRODUCTO: _____________________

UNIDAD DE MEDICION: ___________________

____________________________

FECHA

GRAFICAS DE CONTROL

76

5.2.-La Grfica de Control p

La segunda grfica que se puede usar cuando observamos
defectivos.
Puede usarse con tamaos de muestra constantes o variables.
Se grafica ya sea fraccin defectiva, o porcentaje defectivo.
La medida de tendencia central es el promedio de fraccin
defectiva (p) o el promedio del porcentaje defectivo (P).
La medida de variabildad es la desviacin estndar en ambos
casos.
Grfica p - Tamao de Muestra Variable
El tamao de muestra variable crea problemas con los lmites
de control porque (s) es una funcin inversa del tamao de la
muestra. Mientras el tamao de la muestra se incrementa,
los lmites de control de p se hacen ms angostos.
La grfica terminada es difcil de interpretar.

GRAFICAS DE CONTROL

77

OBJETIVOS DE LOS GRAFICOS P

AVERIGUAR DESPUES DE UN LAPSO DE TIEMPO, LA
PROPORCION MEDIA DEFECTUOSA DE ARTICULOS O PIEZAS
DEFECTUOSAS SOMETIDAS A INSPECCION
DESCUBRIR AQUELLOS PUNTOS FUERA DE CONTROL QUE
REQUIEREN UNA ACCION PARA IDENTIFICAR Y CORREGIR
LAS CAUSAS DE LA MALA CALIDAD.
CUANDO LA MUESTRA ES GRANDE.
MIENTRAS MAYOR SEA LA MUESTRA Y EL NUMERO DE
ARTICULOS
DEFECTUOSOS PERMANEZCA CONSTANTE,
MAYOR SERA LA CALIDAD O CUANDO LA MUESTRA ES
CONSTANTE Y EL NUMERO DE ARTICULOS DEFECTUOSOS
DISMINUYE.
ETAPAS PARA LA ELABORACION DEL GRAFICO DE CONTROL.
A) REGISTRAR DATOS
B) CALCULAR LAS FRACCIONES
DEFECTUOSAS DE LOS SUBGRUPOS (P)
GRAFICAS DE CONTROL

78

P=

X=Es el numero de piezas

defectuosas de cada muestra

X
n

C) CALCULAR LA MEDIA DE P

P=

n =es el tamao de la
muestra que es variable

n1 P1 + n2 P2 + + nk Pk
n1 + n2 + + nk

D) CALCULAR LA n PROMEDIO DE LAS MUESTRAS

n = n1+n2+..........nk
K

79

SI EL TAMAO DEL SUBGRUPO VARIA FUERA DE +/25% CON RESPECTO DEL TAMAO PROMEDIO,
ENTONCES PARA CADA SUBGRUPO SE DEBERA
CALCULAR LOS LIMITES DE CONTROL.
TENEMOS COMO LIMITES DE TAMAO DE MUESTRA

LS = n + 25%
LI = n - 25%

LSCp = P + 3

P (1-P)
n

LICp = P - 3

P (1-P)

GRAFICAS DE CONTROL

80

Supongamos que tenemos un grupo de datos (pchart.mtw)

que representan los resultados diarios de una estacin de
prueba funcional. Se prueban 500 unidades diariamente.
Nmero de unidades defectivas por da
12 15 19 13 9 26 18 14 17 18 16 24 11 31 16 10 16 17 20 15 8 13 12 17 18

Tiempo

P C hart for Number

0.07

0.06

UCL=0.05616

Proportion

0.05
0.04
P =0.03240

0.03
0.02
0.01

LCL=0.008645

0.00
0

10

15

20

25

Sample Number
GRAFICAS DE CONTROL

81

5.3.-GRFICOS DE CONTROL PARA NUMERO DE

DEFECTOS POR MUESTRA INSPECCIONADA (C)

El formato ms simple para monitorear defectos.

Requiere tamao de muestra constante.
Grafica el nmero de defectos en cada unidad inspeccionada para
cada muestra.
La medida de tendencia central es el promedio de defectos por lote
= c
La medida de variabilidad es:
la desviacin estndar =

GRAFICAS DE CONTROL

82

ES EMPLEADO EN UN CAMPO MAS RESTRINGIDO, SE FUNDAMENTA EN SU

UTILIDAD PARA LA DETERMINACION DE DEFECTOS POR UNIDAD
CLASIFICADOS SEGN SU IMPORTANCIA COMO EL NUMERO DE DEFECTOS
POR YARDA, O EL DE DEFECTOS EN UN PARABRISAS
PASOS PARA LA CONSTRUCCION DE GRAFICOS C
OBTENCION DE DATOS

CALCULAR LOS LIMITES DE CONTROL

i=1
c=
LSCc = c + 3

n =Es el numero de
muestras inspeccionadas

c
GRAFICAS DE CONTROL

LICc = c - 3

c
83

EJEMPLO DE GRAFICO C
La siguiente tabla muestra el numero de defectos en una
muestra de 5 piezas de circuito impreso. Determinar los
limites de control para una grafica c

MUESTRA

NUM. DE
DEFECTOS

MUESTRA

NUM. DE
DEFECTOS

1
2
3
4
5
6
7
8
9
10

6
4
8
10
9
12
16
2
3
10

11
12
13
14
15
16
17
18
19
20

9
15
8
10
8
2
7
1
7
13

GRAFICAS DE CONTROL

84

5.4.-GRAFICA DE CONTROL O DEFECTOS

POR UNIDAD (U)

Se usa al verificar defectos (o imperfecciones).

Se puede usar con tamao de muestra constante o
variable.
La medida de tendencia central es el promedio de
defectos/unidades inspeccionadas = u.
La medida de variabilidad es la desviacin estndar
desv. est. = u
ai
ai = # unidades inspeccionadas en la muestra
GRAFICAS DE CONTROL

85

El tamao de muestra puede ser variable

a diferencia de la grafica C donde el
tamao de muestra debe ser constante

En algunos procesos pude ser preferible

trabajar con el numero promedio de defectos
por unidad que con el numero total de
defectos por lo tanto si la muestra consiste
de n unidades y existen en total C defectos
en ella, entonces

C
U=
n

Si existen m muestras
preliminares y el numero
de defectos por unidad es
U1,U2..........Um
Podemos calcular
U
GRAFICAS DE CONTROL

86

U=

U1+U2+.........Um
m

La linea central y los limites de control

para la grafica U son:

LSC= U+3 / U
n

LIC= U-3

/ Un

LC= U
Donde n es el promedio de las muestras
GRAFICAS DE CONTROL

87

EJEMPLO DE GRAFICO U
Construir una grafica de control U para los datos de defectos
en las tarjetas de circuito impreso considerando que cada
muestra consta de 5 tarjetas de circuito los datos
respectivos se dan en la siguiente tabla
MUESTRA
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

TAMAO DE LA
MUESTRA

NUMERO DE
DEFECTOS C

5
5
5
5
5
5
5
5
5
5
5
5
5
5
5

GRAFICAS DE CONTROL

6
4
8
10
9
12
16
2
3
10
9
15
8
10
8

88

3 Familias de grficas:

Muestra #1

Muestra #2

Muestra #3

Muestra #4

Rechazo

Rechazo

Aceptado

Rechazo

Grfica P

ATRIBUTOS

Hay burbujas?
(Aceptar/Rechazar)
Grfica C
Cantidad de
Burbujas

VARIABLES

Grfica X-Barra - R
Dimetro de
la burbuja
X1 = 12.2
X2 = 11.1
X3 = 13.3

X1 = 12.2

GRAFICAS DE CONTROL

X1
X2
X3
X4

=
=
=
=

89

12.2
11.1
13.3
13.3

Muestra#1

Muestra#2

Muestra#3

Muestra#4

Rechazo

Rechazo

Aceptado

Rechazo

3 Familias de datos
3 Familias de grficas

Grfica P

ATRIBUTOS

Hay burbujas?
(Aceptar/Rechazar)

Muestra #1

Muestra #2

Muestra #3

Muestra #4

Grfica C
Nmero de
burbujas
2

Muestra #1

VARIABLES

Muestra # 2

Muestra #3

Muestra #4

Grfica X-Barra -R

LCL

TIEMPO

X1 = 12.2
X2 = 11.1
X3 = 13.3

UCL

LCL

TIEMPO

GRAFICAS DE CONTROL

X1 = 12.2

Dimetro de
la burbuja

UCL

#de burbujas

%Rechazado

Dimetro de
la burbuja
X1
X2
X3
X4

=
=
=
=

12.2
11.1
13.3
13.3

UCL

LCL

TIEMPO

90

Qu se puede decir de un proceso estable? ...No Mucho!

Si nicamente estn presentes las
causas comunes de la variacin,
la salida de un proceso forma una
distribucin que es estable a
travs del tiempo y por lo tanto,
predecible

Si estn presentes causas especiales de la

variacin, la salida del proceso no es estable
a travs del tiempo e IMPREDECIBLE:

No podemos saber que pasar:

- Maana
- Entre muestras
GRAFICAS DE CONTROL

91

Cmo progresamos hacia La Meta

FASE DOS - REPETIBILIDAD
- EN CONTROL
- UNICAMENTE VARIACION NATURAL

FASE UNO - DESEMPEO

- VARIACION (CAUSAS ESPECIALES / NATURALES)
- IMPREDECIBLE (POR HORA, A DIARIO)
- DETECTAR Y ELIMINAR LAS CAUSAS ESPECIALES
GRAFICAS DE CONTROL

92

La Meta es ...
Datos variables

Datos de atributos

Objetivo

0% Rechazo
GRAFICAS DE CONTROL

93

Ejercicio: Cul grfica de control usara?

Instrucciones: Identifique la grfica de control ms apropiada para cada
una de las siguientes aplicaciones. Explique por qu la escogi.

(1) Prueba diaria de la calidad del agua

(2) Porcentaje del contenido de crema en las botellas de leche
(vienen en juegos de 4 botellas)
(3) Porcentaje diario de los ltimos 90 das:
(Retrabajo de hoy) dividido entre (Produccin de hoy)
(4) Nmero de defectos por yarda cuadrada de tela,
donde la tela es de tamao variable
(5) Nmero de pasas por caja de cereal
(6) Nmero de partes defectivas en lotes de 100
(7) Porciento de partes defectivas por hora de produccin
(8) Nmero de imperfecciones en la superficie de las tasas de caf (juegos de cuatro)
(9) Longitud de los tornillos en tamaos de muestra de 10 tomados
de lotes de produccin

GRAFICAS DE CONTROL

94

Una Grfica de control le va a decir cuando raspe

el pan tostado. . .
. . .Pero es mucho mas importante que use la
Grfica de control para que APRENDA cmo dejar
de estarlo quemando!
- Dr. Donald J. Wheeler

Hacer otra cosa, es condenar su proceso a la experiencia

inevitable de que los mismos problemas se repitan una y
otra vez.
GRAFICAS DE CONTROL

95

Exito a travs de Mtodos Estadsticos:

Comprensin
Implementacin
Comunicacin
Enseando
Vendiendo ideas
Los agentes de cambio seguido fallan porque
no perciben a la persuasin como parte de su
trabajo.
Muy pocas ideas, si es que hay, han sido
aceptadas por su propio mrito. Todas se
tienen que vender
GRAFICAS DE CONTROL

96