1

GRFICOS DE CONTROL Y SU APLICACIN

La presente antologa es de carcter educativo.

Ing. Ren Nefstali Montes Ortiz

Alumno: _____________________________________________________________________

Materia: _____________________________________________________________________

Grado: ______________________________________________________________________

Fecha/ciclo: __________________________________________________________________

Octubre 2016
2

Bibliografa

Walpole, novena edicin (2012), Probabilidad y estadstica para ingeniera y ciencias, Naucalpan
de Jurez, Mxico, Pearson.

Devore, Jay L., sptima edicin (2008), Probabilidad y estadstica para ingeniera y ciencias,
Mxico, D.F., Cengage Learning.

Evans, James R., sptima edicin (2008), Administracin y control de la calidad, Mxico, D.F.,
Cengage Learning.

Escalante, Edgardo, primera edicin (2004), Seis-sigma metodologa y tcnicas, Mxico, D.F.,
Limusa.

Prez, Mara, primera edicin (2011), Metodologa seis sigma a travs de Excel, Mxico, D.F.,
Alfaomega.

Gutirrez, Humberto, segunda edicin (2009), Control estadstico de calidad y seis sigma, Mxico,
D.F., Mc Graw Hill.

Gutirrez, Humberto, tercera edicin (2010), Calidad total y productividad, Mxico, D.F., Mc Graw
Hill.

Automotive Industry Action Group, segunda edicin (2005), Statistical process control (SPC)
reference manual, Michigan, USA.
3

1. Introduccin al control estadstico de procesos (James R. Evans)

El control estadstico de procesos (SPC, por sus siglas en ingles), es una metodologa para el
seguimiento de un proceso para identificar las causas comunes de la variacin y sealar la
necesidad de emprender una accin correctiva en el momento apropiado. Cuando estn presentes
causas especiales, el proceso est destinado a quedar fuera de control. Si la variacin en un
proceso se debe solo a causas comunes, se dice que est en control estadstico. Una definicin
prctica del control estadstico es que tanto los promedios del proceso como las varianzas son
constantes a travs del tiempo.

El SPC depende de las graficas de control, una de las herramientas bsicas de mejora de la calidad.
El SPC es una tcnica probada para mejorar la calidad y la productividad. Muchos clientes piden a
sus proveedores que proporcionen evidencias de un control estadstico de sus procesos. De modo
que el SPC ofrece un medio para que la empresa demuestre su capacidad para la calidad, actividad
necesaria para sobrevivir en los mercados actuales altamente competitivos. Como el SPC requiere
que los procesos muestren una variacin que sea posible medir, no es eficaz para los niveles de
calidad que se aproximan a Six Sigma. Sin embargo, es muy eficaz para las empresas que se
encuentran en las primeras etapas de los esfuerzos de calidad.

Aunque las graficas de control se desarrollaron y utilizaron por primera vez en un contexto de
manufactura, se aplican con facilidad a las organizaciones de servicio.

Indicadores de control de calidad (James R. Evans)

Los indicadores del control de calidad se dividen en dos categoras. Un atributo es una
caracterstica del desempeo que est presente o ausente del producto o servicio por considerar.
Por ejemplo:

Una dimensin esta dentro de la tolerancia o fuera de esta

Un pedido esta completo o incompleto
Una factura tiene uno, dos, tres o cualquier cantidad de errores.

Por tanto, los datos de atributos son discretos e indican si la caracterstica es conforme. Los
atributos se pueden medir con la inspeccin visual, como evaluar si se utilizo el cdigo postal
correcto al enviar un pedido; o comparar una dimensin con las especificaciones, es decir, si el
dimetro de la palanca esta dentro de los limites de una especificacin de 4 0.025 centmetros.
Por lo regular, los indicadores del atributo se expresan como proporciones o tasas; por ejemplo, la
fraccin de no conformidades en un grupo de artculos, el numero de defectos por unidad o el
ndice de errores por oportunidad.

El segundo tipo de caracterstica del desempeo se conoce como variable. Los datos de las
variables son continuos (por ejemplo, longitud o peso). Los indicadores de la variable se ocupan
del grado de conformidad con las especificaciones. Por tanto, en lugar de determinar si el
dimetro de una palanca simplemente cumple con una especificacin de 4 0.025 centmetros, se
4

registra un valor real de la medicin del dimetro. Por lo general, los indicadores de la variable se
expresan con valores estadsticos como promedio y desviacin estndar. La tabla 1.1 presenta
ejemplos adicionales de indicadores de atributo y de variable.

En un sentido estadstico, la inspeccin del atributo es menos eficiente que la inspeccin de la

variable; es decir, no proporciona tanta informacin. Esto significa que la inspeccin del atributo
requiere de una muestra mayor que la de la variable para obtener la misma cantidad de
informacin estadstica sobre la calidad del producto. Esta diferencia se vuelve importante cuando
la inspeccin de cada artculo es costosa y consume mucho tiempo. La mayor parte de las
caractersticas en los servicios son de atributo, que es probablemente una de las razones por las
cuales las organizaciones de servicios se han tardado en adoptar los enfoques de administracin
de la calidad basados en indicadores.

Tabla 1.1 Aplicaciones de las graficas de control en organizaciones de servicios

Organizacin Indicador de calidad
Hospital Exactitud del laboratorio de anlisis
Exactitud de la reclamacin de los pagos de seguros
Entrega a tiempo de comidas y medicamentos
Banco Exactitud al procesa los cheques
Compaa de seguros Tiempo de respuesta para procesar la reclamacin de los pagos de
seguros
Exactitud en la facturacin
Oficina de correos Exactitud al clasificar
Tiempo de entrega
Porcentaje de correspondencia de entrega inmediata entregada a
tiempo.
Ambulancias Tiempo de respuesta
Departamento de polica Incidencia del crimen en un rea
Nmero de multas de transito
Hotel Proporcin de habitaciones con limpieza satisfactoria
Hora de salida
Nmero de quejas recibidas
Transporte Proporcin de camiones de carga con rutas correctas
Cantidad en dlares de dao por queja
Autoservicio Porcentaje de veces que el trabajo se termina segn lo prometido
Numero de parte sin existencias

Capacidad y control (James R. Evans)

Control y capacidad son dos conceptos diferentes. Como muestra la figura 1.2, un proceso puede
ser capaz o no, o puede estar bajo control o fuera de control, independientemente de los dems.
Es evidente que se quisiera que todos los procesos fueran capaces y estuvieran bajo control. Si un
proceso no es capaz ni est bajo control, primero se debe crear un estado de control eliminando
las causas especiales de la variacin y luego atacar las causas comunes para mejorar su capacidad.
Si un proceso es capaz, pero no est bajo control, se debe trabajar para controlarlo.
5

Figura 1.2 Capacidad vs control (las flechas indican la direccin de la accin administrativa
apropiada.
Control
En control Fuera de control
Capacidad

Capaz Ideal

No
Capaz

Metodologa del SPC (James R. Evans)

Las graficas de control, al igual que las dems herramientas bsicas para mejorar la calidad, son
relativamente fciles de usar. Las graficas de control tienen tres aplicaciones bsicas:

1. Establecer un estado de control estadstico.

2. Hacer el seguimiento de un proceso e indicar cuando este se sale de control.
3. Determinar la capacidad del proceso.

El siguiente en un resumen de los pasos necesarios para el desarrollo y utilizacin de las graficas
de control. Los pasos 1 a 4 se enfocan en establecer un estado de control estadstico; en el paso 5,
las graficas se utilizan para el seguimiento continuo; por ltimo, en el paso 6, los datos se usan
para el anlisis de la capacidad del proceso.

1) Preparacin
a) Seleccionar la variable o atributo que ser medido.
b) Determinar la base, tamao y frecuencia del muestreo.
c) Crear la grafica de control.
2) Recopilacin de datos
a) Registrar los datos.
b) Calcular los valores estadsticos relevantes: promedios, rangos, proporciones, etc.
c) Graficar los valores estadsticos.
3) Establecimiento de los limites de control de prueba
a) Trazar la lnea central (promedio del proceso) en la grafica.
b) Calcular los lmites de control superior e inferior.
4) Anlisis e interpretacin
a) Investigar la grafica para detectar la falta de control.
b) Eliminar los puntos que estn fuera de control.
c) Volver a calcular los lmites de control, si es necesario.
5) Uso como herramienta para solucionar problemas
a) Continuar con la recopilacin de datos y su trazo en la grafica.
b) Identificar las situaciones fuera de control y emprender acciones correctivas.
6

6) Determinacin de la capacidad del proceso con los datos de la grafica de control.

Limites de control (Gutirrez Pulido)

Lo primero que debe quedar claro con respecto a los lmites de una carta de control es que estos
no son las especificaciones, tolerancias o deseos para el proceso. Por el contrario, se calculan a
partir de la variacin del estadstico (datos) que se representa en la carta. De esta forma, la clave
est en establecer los lmites para cubrir cierto porcentaje de la variacin natural del proceso,
pero se debe tener cuidado de que tal porcentaje sea el adecuado, ya que si es demasiado alto
(99.999999%) los limites sern muy amplios y ser ms difcil detectar los cambios en el proceso;
mientras que si el porcentaje es pequeo, los limites sern demasiado estrechos y con ello se
incrementara el error tipo 1 (decir que se presento un cambio cuando en realidad no lo hubo).

Para calcular los limites de control se debe actuar de forma que, bajo condiciones de control
estadstico, los datos que se grafican en la carta tengan una alta probabilidad de caer dentro de
tales limites. Por lo tanto, una forma de proceder es encontrar la distribucin de probabilidades de
la variable, estimar sus parmetros y ubicar los limites de manera que un alto porcentaje (99.73%)
de la distribucin este dentro de ellos. Esta forma de proceder se conoce como limites de
probabilidad.

Una forma ms sencilla y usual se obtiene a partir de la relacin entre la media y la desviacin
estndar de W, que para el caso que W se distribuye normal con media w - 3w y w + 3w se
encuentra 99.73% de los posibles valores de W. En el caso de que no se tenga una distribucin
normal, pero se cuente con una distribucin unimodal con forma no muy distinta a la normal,
entonces se aplica la regla emprica o la extensin del teorema de Chebyshev. Bajo estas
condiciones, un modelo general para una carta de control es el siguiente: sea W el estadstico que
se va a graficar en la carta, supongamos que su media es w y su desviacin estndar w entonces
el lmite de control inferior (LCI), la lnea central y el lmite de control superior (LCS) estn dados
por

LCI = w - 3w

Lnea central = w

LCS = w + 3w

Con estos lmites y bajo condiciones de control estadstico se tendr una alta probabilidad de que
los valores de W estn dentro de ellos. En particular, si W tiene una distribucin normal, tal
probabilidad ser de 0.9973, con lo que se espera que bajo condiciones de control solo 27 puntos
de cada 10,000 caigan fuera de los lmites. Este tipo de cartas de control fueron propuestas
originalmente por el doctor Walter A. Shewhart, y por eso se les conoce como cartas de control
Shewhart.
7

Tipos de cartas de control (Gutirrez Pulido)

Existen dos tipos generales de cartas de control: para variables y para atributos. Las cartas de
control para variables se aplican a caractersticas de calidad de tipo continuo, que intuitivamente
son aquellas que requieren un instrumento de medicin (peso, volumen, voltaje, longitud,
resistencia, temperatura, humedad, etc.). Las cartas para variables tipo Shewhart ms usuales son:

(de medias)
R (de rangos)
S (de desviaciones estndar)
X (de medidas individuales)

Las distintas formas de llamarle a una carta de control se deben al correspondiente estadstico que
se representa en la carta, por medio de la cual se busca analizar una caracterstica importante de
un producto o proceso.

Existen caractersticas de calidad de un producto que no son medidas con un instrumento de

medicin en una escala continua o al menos en una numrica. En estos casos, el producto se juzga
como conforme no conforme, dependiendo de si posee ciertos atributos; tambin, al producto
se le podr contar el nmero de defectos o no conformidades que tiene. Este tipo de
caractersticas de calidad son monitoreadas a travs de las cartas de control por atributos:

p (proporcin o fraccin de artculos defectuosos)

np (nmero de unidades defectuosas)
c (nmero de defectos)
u (nmero de defectos por unidad)

Adems de las anteriores cartas de control, existen una gran variedad de estas que, en general,
pretenden mejorar el desempeo de alguna de las cartas tradicionales. Mejorar su desempeo en
el sentido de detectar ms rpido un cambio en el proceso, reducir la frecuencia de falsas alarmas
(cuando hay una seal de fuera de control, pero el proceso est en control) y modelar mejor el
comportamiento de los datos. Entre las cartas adicionales ms conocidas se encuentran la EMWA
y Cusum.

GRAFICAS DE CONTROL PARA VARIABLES

Carta de control -R (Gutirrez Pulido)

Existen muchos procesos industriales considerados de tipo masivo, en el sentido de que

producen muchos artculos, partes o componentes durante un lapso de tiempo pequeo. Por
ejemplo: lneas de ensamble, maquinas empacadoras, procesos de llenado, operaciones de
soldadura en una lnea de produccin, moldeo de piezas plsticas, torneado de una pieza metlica,
el corte de una tira en pedazos pequeos, etc. Algunos de estos procesos realizan miles de
operaciones por da, mientras que otros efectan varias decenas o centenas. En ambos casos se
8

est ante un proceso masivo. Si, adems, las variables de salida de inters son de tipo continuo,
entonces estamos ante el campo ideal de aplicacin de las cartas de control -R.

Ejemplo 1 (Escalante)
Se cuenta con informacin sobre la dureza de 100 mltiples de admisin mostrada en la tabla 1.3.
La especificacin es de 1 a 3 RC
Muestra Dureza Promedio Rango
1 1.855 1.162 1.606 2.01 1.929 1.712 0.848
2 2.02 1.473 1.502 2.471 1.518 1.797 0.998
3 2.378 1.525 1.743 2.193 1.492 1.866 0.886
4 1.644 1.87 1.703 1.745 1.64 1.72 0.23
5 2.189 2.281 1.854 1.945 1.801 2.014 0.48
6 1.828 1.793 1.943 1.894 1.971 1.886 0.178
7 2.614 1.976 1.649 1.827 2.179 2.049 0.965
8 2.298 2.533 2.681 1.548 2.233 2.259 1.133
9 1.917 2.28 1.817 2.333 1.773 2.024 0.56
10 1.823 2.06 2.29 1.471 1.364 1.802 0.926
11 2.431 1.267 1.737 2.011 2.061 1.901 1.164
12 1.756 1.611 1.57 1.563 1.42 1.584 0.336
13 2.047 1.931 2.805 1.926 1.988 2.139 0.879
14 1.756 1.895 1.723 1.901 1.873 1.83 0.178
15 1.677 1.888 1.751 1.763 1.821 1.78 0.211
16 2.351 1.79 2.416 2.305 1.985 2.169 0.626
17 1.93 2.133 1.976 2.133 2.107 2.056 0.203
18 1.833 1.575 2.039 1.492 1.838 1.755 0.547
19 1.941 1.788 2.077 1.607 1.376 1.758 0.701
20 1.883 2.22 1.581 2.29 1.105 1.816 1.185
Promedio 1.896 0.662
Tabla 1.3 Informacin sobre dureza en mltiples de admisin
LIMITES DE CONTROL DE LA CARTA

Estos lmites reflejan la variacin esperada para las medias muestrales de tamao n, mientras el
proceso no tenga cambios importantes, de esta manera, estos lmites son utilizados para detectar
cambios en la media del proceso y evaluar su estabilidad, de ninguna manera se deben utilizar
para evaluar la capacidad, puesto que estos lmites de control no son los de especificaciones o
tolerancias, ya que mientras que los primeros se han calculado a partir de la informacin del
proceso, las especificaciones son fijadas desde el diseo del producto.
Los lmites de control para una carta de control , en un estudio inicial, se obtienen de la siguiente
manera:
9

Cuando ya se conocen la media, , y la desviacin estndar del proceso, , entonces estos lmites
para la carta de medias estn dados por:

Si estas frmulas se aplican al ejemplo 1 de la dureza de 100 mltiples de admisin, se tiene que los
lmites de control para la carta estn dados por
LCS= 2.278
Lnea central= 1.896
LCI= 1.514

Carta de control R (Gutirrez Pulido)

Con esta carta se detectarn cambios en la amplitud o magnitud de la variacin del proceso, y sus
lmites se determinan a partir de la media y la desviacin estndar de los rangos de los subgrupos,
ya que en este caso es el estadstico W se grafica en la carta R. Por ello, los lmites se obtienen con
la expresin:

Donde R representa la media de los rangos, y R la desviacin estndar de los rangos, que en un
estudio inicial se estiman de la siguiente manera:

LIMITES DE CONTROL DE LA CARTA R

Como por lo general en un estudio inicial no se conoce , sta puede estimarse a travs de /d2.
En forma explcita, los lmites de control para la carta R se calculan con:

Donde se han introducido las constantes D3 y D4 para simplificar los clculos, y estn tabuladas en
el apndice para diferentes tamaos de subgrupo, n.
Si estas frmulas se aplican al ejemplo 1 de la dureza de 100 mltiples de admisin, se tiene que los
lmites de control para la carta R estn dados por

LCS= 1.4
Lnea central= .662
LCI= 0
10

Todos los puntos estn entre los lmites, lo cual nos indica un proceso bajo control.

Grfica para el ejemplo sobre la dureza

2.2

1.7

1.2
1 4 7 10 13 16 19

Grfica R para el ejemplo sobre la dureza .

1.4

0.9

0.4

-0.1
1 4 7 10 13 16 19
11

Ejemplo 2 (Walpole&Myers)
Se controla un proceso de fabricacin de partes componentes para misiles, donde la caracterstica
de desempeo es la resistencia a la tensin, en libras por pulgada cuadrada. Se toman muestras de
tamao 5 cada hora y se reportan 25 muestras. Los datos se muestran en la tabla 1.4.
Muestra Observaciones Promedio Rango
1 1515 1518 1512 1498 1511
2 1504 1511 1507 1499 1502
3 1517 1513 1504 1521 1520
4 1497 1503 1510 1508 1502
5 1507 1502 1497 1509 1512
6 1519 1522 1523 1517 1511
7 1498 1497 1507 1511 1508
8 1511 1518 1507 1503 1509
9 1506 1503 1498 1508 1506
10 1503 1506 1511 1501 1500
11 1499 1503 1507 1503 1501
12 1507 1503 1502 1500 1501
13 1500 1506 1501 1498 1507
14 1501 1509 1503 1508 1503
15 1507 1508 1502 1509 1501
16 1511 1509 1503 1510 1507
17 1508 1511 1513 1509 1506
18 1508 1509 1512 1515 1519
19 1520 1517 1519 1522 1516
20 1506 1511 1517 1516 1508
21 1500 1498 1503 1504 1508
22 1511 1514 1509 1508 1506
23 1505 1508 1500 1509 1503
24 1501 1498 1505 1502 1505
25 1509 1511 1507 1500 1499
Promedio 1507.328 10.72
Tabla 1.4 Informacin muestral de los datos de resistencia a la tensin.

Los lmites de control para la grafica son:

LCS= +( )( )=
LC=
LCI= -( )( )=
12

Los lmites de control para la grafica R son:

LCS= ( )( )=
LC=
LCI= ( )( )=

Grfica para el ejemplo de resistencia a la tensin.

Grfica R para el ejemplo de resistencia a la tensin.

13

Ejemplo 3 (DEVORE)
Una vez al da, se seleccionan tres especmenes de aceite de motor del proceso de produccin y
cada uno se analiza para determinar su viscosidad. La informacin siguiente (tabla 1.5) es para un
periodo de 25 das. Una amplia experiencia con este proceso sugiere que cuando el proceso est
bajo control, la viscosidad de un espcimen esta normalmente distribuida con media 10.5 y
desviacin estndar 0.18. Los datos se muestran en la tabla 1.5.
Da Observaciones Promedio Rango
1 10.37 10.19 10.36
2 10.48 10.24 10.58
3 10.77 10.22 10.54
4 10.47 10.26 10.31
5 10.84 10.75 10.53
6 10.48 10.53 10.5
7 10.41 10.52 10.46
8 10.4 10.38 10.69
9 10.33 10.35 10.49
10 10.73 10.45 10.3
11 10.41 10.68 10.25
12 10 10.6 10.71
13 10.37 10.5 10.34
14 10.47 10.6 10.75
15 10.46 10.46 10.56
16 10.44 10.68 10.32
17 10.65 10.42 10.26
18 10.73 10.72 10.83
19 10.39 10.75 10.27
20 10.59 10.23 10.35
21 10.47 10.67 10.64
22 10.4 10.55 10.38
23 10.24 10.71 10.27
24 10.37 10.69 10.4
25 10.37 10.69 10.4
Promedio 10.480 0.30
Tabla 1.5 Informacin de viscosidad para el ejemplo 3.
Los lmites de control para la grafica son:
LCS= + 3 (( )/( )) =
LC=
LCI= - 3 (( )/( )) =
14

Los lmites de control para la grafica R son:

LCS= ( )( )=
LC=
LCI= ( )( )=

Grfica para el ejemplo 3.

Grfica R para el ejemplo 3.

15

Ejemplo 4 (DEVORE)
Se tiene informacin sobre el contenido de humedad para especmenes de cierto tipo de tela.
Determine los lmites de control para una grafica con media 13.00 y desviacin estndar 0.60. Los
datos se muestran en la tabla 1.6.
Muestra Observaciones Promedio Rango
1 12.2 12.1 13.3 13 13
2 12.4 13.3 12.8 12.6 12.9
3 12.9 12.7 14.2 12.5 12.9
4 13.2 13 13 12.6 13.9
5 12.8 12.3 12.2 13.3 12
6 13.9 13.4 13.1 12.4 13.2
7 12.2 14.4 12.4 12.4 12.5
8 12.6 12.8 13.5 13.9 13.1
9 14.6 13.4 12.2 13.7 12.5
10 12.8 12.3 12.6 13.2 12.8
11 12.6 13.1 12.7 13.2 12.3
12 13.5 12.3 12.8 13.1 12.9
13 13.4 13.3 12 12.9 13.1
14 13.5 12.4 13 13.6 13.4
15 12.3 12.8 13 12.8 13.5
16 12.6 13.4 12.1 13.2 13.3
17 12.1 12.7 13.4 13 13.9
18 13 12.8 13 13.3 13.1
19 12.4 13.2 13 14 13.1
20 12.7 12.4 12.4 13.9 12.8
21 12.6 12.8 12.7 13.4 13
22 12.7 13.4 12.1 13.2 13.3
Promedio 12.95 1.34
Tabla 1.6 Informacin de humedad para el ejemplo 4.
Los lmites de control para la grafica son:
LCS= + 3 (( )/( )) =
LC=
LCI= - 3 (( )/( )) =
Los lmites de control para la grafica R son:
LCS= ( )( )=
LC=
LCI= ( )( )=
16

Grfica para el ejemplo 4.

Grfica R para el ejemplo 4.

17

Carta de control S (DEVORE)

Es importante asegurar que un proceso est bajo control con respecto a variaciones. De hecho,
casi todos los expertos recomiendan que se establezca un control sobre variaciones antes de
construir una grafica , o cualquier otra grafica para controlar su ubicacin. Segn James R. Evans
una alternativa para el uso de la grafica R con la grafica es calcular y llevar a la grafica la
desviacin estndar s de cada muestra. El rango se usa con frecuencia porque comprende menos
esfuerzo de clculo y es ms fcil de entender para los observadores de las plantas, por lo que
tiene muchas ventajas. Con la disponibilidad de las calculadoras modernas y las computadoras
personales, el trabajo de calcular s se reduce o se elimina y, por tanto, s se ha convertido en una
alternativa viable para R.

Limites de control de la carta S (Gutirrez Pulido)

A cada subgrupo se le calcula S, que al ser una variable aleatoria, sus lmites se determinan a partir
de su media y su desviacin estndar. Por ello, los lmites se obtienen con la expresin:

Donde s representa la media o valor esperado de S, y s la desviacin estndar de S, y estn

dados por

Donde es la desviacin estndar del proceso y c4 es una constante que depende del tamao de
subgrupo y esta tabulada en el apndice. Como por lo general en un estudio inicial no se conoce ,
sta puede estimarse, pero ya no a travs del mtodo de rangos, sino ahora con:

Donde es la media de las desviaciones estndar de los subgrupos. La razn de que no se

estime de manera directa con el promedio de las desviaciones estndar, es que no es un
estimador insesgado de , es decir, la esperanza matemtica de , E(), no es igual a , mas bien,
E()= c4. Por ello, al dividir entre la constante c4, se convierte en un estimador insesgado. De
esta manera, los lmites de control para una carta S estn dados por:
18

La forma en la que ahora se estimo , modifica la forma de obtener los limites de control en la
carta cuando esta es acompaada de la carta S. En este caso se obtiene de la siguiente manera:

EJEMPLO 5 (GUTIRREZ PULIDO)

En la elaboracin de envases de plstico primero se elabora la preforma, para la cual e tienen

varios criterios de calidad, uno de ellos es el peso de la preforma. Para cierto envase, el peso de
estar entre 28.00 0.5 g. Cada media hora se toma un grupo de 10 preformas y se pesan. Las
medias y desviaciones estndar de los ltimos 20 subgrupos se muestran en la tabla 1.7.

Muestra Observaciones del peso de la preforma Promedio S

1 27.96 28.02 28.08 28.01 28.16 28.13 28.23 27.94 28.09 27.93 28.055 0.1001
2 27.96 28.03 27.99 28.19 27.88 27.97 27.96 28.10 28.07 28.05 28.020 0.0876
3 28.11 28.08 28.19 27.90 28.12 28.10 28.05 27.97 27.95 27.97 28.044 0.0922
4 28.10 28.16 27.99 28.01 28.08 28.04 27.96 28.00 28.14 28.15 28.063 0.0729
5 27.96 27.88 28.00 27.94 27.90 27.88 27.85 27.79 28.00 28.16 27.936 0.1029
6 27.93 28.15 27.96 27.99 27.94 28.09 27.97 27.94 28.08 28.11 28.016 0.0825
7 28.07 28.17 27.94 27.91 28.10 27.93 27.77 27.94 28.03 28.04 27.990 0.1147
8 27.98 27.98 28.25 27.87 27.89 28.01 28.14 27.88 27.93 28.14 28.007 0.1293
9 28.05 28.12 28.05 28.11 27.97 28.03 28.15 28.07 28.30 27.96 28.081 0.0981
10 27.84 28.02 28.21 28.05 28.06 28.02 27.94 27.97 27.95 27.85 27.991 0.1082
11 28.03 28.25 28.13 27.96 27.91 27.90 28.06 27.97 27.86 27.96 28.003 0.1181
12 28.10 28.03 28.14 27.97 27.76 28.20 28.10 28.03 27.85 27.98 28.016 0.1334
13 27.94 28.10 27.86 28.05 27.96 28.18 28.10 27.97 28.00 27.90 28.006 0.1001
14 28.09 28.13 28.11 28.09 28.06 28.06 28.03 27.80 28.03 28.02 28.042 0.0925
15 28.05 28.25 28.09 27.82 28.27 28.18 28.15 27.88 27.89 28.14 28.072 0.1590
16 28.12 28.05 27.79 27.90 27.86 27.89 28.05 28.14 28.11 27.92 27.983 0.1249
17 28.10 27.95 28.00 28.21 28.06 28.05 28.13 28.26 28.08 28.02 28.086 0.0943
18 27.94 28.02 27.98 28.04 28.09 28.10 27.89 28.08 27.82 27.97 27.993 0.0915
19 28.07 27.97 27.98 28.10 27.95 28.01 28.02 27.90 28.19 27.78 27.997 0.1124
20 28.07 28.09 27.94 27.85 27.87 28.02 28.14 28.07 28.08 27.92 28.005 0.1019
Promedio 28.020 0.1058
Tabla 1.7 Informacin de peso de la preforma para el ejemplo 5.
19

Los lmites de control para la grafica son:

LCS= 28.020 + 3 (( 0.1058 )/(0.9727*10)) = 28.12
LC= 28.020
LCI= 28.020 - 3 (( 0.1058 )/(0.9727*10)) = 27.92
Los lmites de control para la grafica S son:
LCS= 0.1058 + 3 ((0.1058/0.9727)(1-(0.9727*0.9727)) = 0.182
LC= 0.106
LCI= 0.1058 - 3 ((0.1058/0.9727)(1-(0.9727*0.9727)) = 0.030

Grfica para el ejemplo 5

28.200

28.100

28.000

27.900

27.800
1 4 7 10 13 16 19

Grfica S para el ejemplo 5.

0.2000

0.1500

0.1000

0.0500

0.0000
1 4 7 10 13 16 19
20

EJEMPLO 6 (DEVORE)

La tabla 1.8 muestra observaciones sobre la resistencia al esfuerzo en laminas de plstico (la
fuerza, en libras por pulgada cuadrada, necesaria para agrietar una lamina), se toman 22 muestras,
obtenidas en puntos de tiempo igualmente espaciados y n=4 observaciones en cada muestra.

Muestra Observaciones Promedio S

1 29.7 29 28.8 30.2
2 32.2 29.3 32.2 32.9
3 35.9 29.1 32.1 31.3
4 28.8 27.2 28.5 35.7
5 30.9 32.6 28.3 28.3
6 30.6 34.3 34.8 26.3
7 32.3 27.7 30.9 27.8
8 32 27.9 31 30.8
9 24.2 27.5 28.5 31.1
10 33.7 24.4 34.3 31
11 35.3 33.2 31.4 28
12 28.1 34 31 30.8
13 28.7 28.9 25.8 29.7
14 29 33 30.2 30.1
15 33.5 32.6 33.6 29.2
16 26.9 27.3 32.1 28.5
17 30.4 29.6 31 33.8
18 29 28.9 31.8 26.7
19 33.8 30.9 31.7 28.2
20 29.7 27.9 29.1 30.1
21 27.9 27.7 30.2 32.9
22 30 31.4 27.7 28.1
Promedio 30.27 2.32
Tabla 1.8 Informacin sobre la resistencia al esfuerzo para el ejemplo 6.
Los lmites de control para la grafica son:
LCS= + 3 (( )/( )) =
LC=
LCI= - 3 (( )/( )) =
Los lmites de control para la grafica S son:
LCS= + 3 (( / )(1-( * )) =
LC=
LCI= - 3 (( / )(1-( * )) =
21

Grfica para el ejemplo 6.

Grfica S para el ejemplo 6.

22

EJEMPLO 7 (WALPOLE&MYERS)

Se producen contenedores mediante un proceso donde el volumen de los contenedores se sujeta

a un control de calidad. Se utilizan 25 muestras de tamao 10 cada una para establecer los
parmetros de control de calidad. En la tabla 1.9 se documenta la informacin de estas muestras.

Muestra Observaciones Promedio S

1 62.255 62.301 62.289 62.189 62.311
2 62.187 62.225 62.337 62.297 62.307
3 62.421 62.377 62.257 62.295 62.222
4 62.301 62.315 62.293 62.317 62.409
5 62.4 62.375 62.295 62.272 62.372
6 62.372 62.275 62.315 62.372 62.302
7 62.297 62.303 62.337 62.392 62.344
8 62.325 62.362 62.351 62.371 62.397
9 62.327 62.297 62.318 62.342 62.318
10 62.297 62.325 62.303 62.307 62.333
11 62.315 62.366 62.308 62.318 62.319
12 62.297 62.322 62.344 62.342 62.313
13 62.375 62.287 62.362 62.319 62.382
14 62.317 62.321 62.297 62.372 62.319
15 62.299 62.307 62.383 62.341 62.394
16 62.308 62.319 62.344 62.319 62.378
17 62.319 62.357 62.277 62.315 62.295
18 62.333 62.362 62.292 62.327 62.314
19 62.313 62.387 62.315 62.318 62.341
20 62.375 62.321 62.354 62.342 62.375
21 62.399 62.308 62.292 62.372 62.299
22 62.309 62.403 62.318 62.295 62.317
23 62.293 62.293 62.342 62.315 62.349
24 62.388 62.308 62.315 62.392 62.303
25 62.324 62.318 62.315 62.295 62.319
Promedio 62.326 0.0373
Tabla 1.9 Volumen de muestras de contenedores para 25 muestras (en centmetros cbicos)

Los lmites de control para la grafica son:

LCS= + 3 (( )/( )) =
LC=
LCI= - 3 (( )/( )) =
23

Los lmites de control para la grafica S son:

LCS= + 3 (( / )(1-( * )) =
LC=
LCI= - 3 (( / )(1-( * )) =

Grfica para el ejemplo 7.

Grfica S para el ejemplo 7.

24

Carta de Individuales (Gutirrez Pulido)

La carta de individuales es un diagrama para variables de tipo continuo, pero en lugar de aplicarse
a procesos semimasivos o masivos como es el caso de la carta -R, se emplean en procesos lentos,
en los cuales para obtener una medicin o una muestra de la produccin se requieren periodos
relativamente largos. Ejemplos de este tipo de procesos son:
Procesos qumicos que trabajan por lotes.
Industria de bebidas alcohlicas, en las que deben pasar desde una hasta ms de 100
horas para obtener resultados de los procesos de fermentacin y destilacin.
Procesos en los que las mediciones cercanas solo difieren por el error de medicin. Por
ejemplo, temperaturas en procesos, humedad relativa en el ambiente, etc.
En pruebas destructivas costosas.
Algunas variables administrativas cuyas mediciones se obtienen cada da, cada semana o
ms. Por ejemplo, mediciones de productividad, de desperdicio, de consumo de agua,
electricidad, combustibles, etc.
En estos casos, la mejor alternativa es usar una carta de individuales, donde cada medicin
particular de la variable que se quiere analizar se registra en una carta.
Para determinar los limites de control se procede igual que los casos anteriores, mediante la
estimacin de la media y la desviacin estndar del estadstico W que se grafica en la carta, que en
este caso es directamente la medicin individual de la variable X. Por ello, los limites se obtienen
con la expresin X3x, donde X y x son la media y la desviacin estndar del proceso,
respectivamente. Es decir, los lmites de control, es este caso, coinciden por definicin con los
lmites reales. En un estudio inicial estos parmetros se estiman de la siguiente manera:

x =
x = /d2
Donde es la media de las mediciones, y es la media de los rangos mviles de orden 2 (rango
entre dos observaciones sucesivas en el proceso). Al dividir el rango promedio entre la constante
d2 se obtiene una estimacin de la desviacin estndar del proceso, . Adems, como en este caso
el rango mvil es de orden 2, entonces el valor de n para determinar d2 ser n=2. De lo anterior se
concluye que los lmites de control para una carta de individuales estn dados por:

LCS= + 3 /d2
LC=
LCI= - 3 /d2

Carta de de rangos mviles (Gutirrez Pulido)

Los limites de control se obtienen de la misma forma que en una carta de rangos, pero en este
caso las constantes D3 y D4 se determinan usando el tamao de subgrupo n=2, ya que cada rango
se obtiene de dos datos.

LCS= D4
LC=
LCI= D3
25

EJEMPLO 8 (Gutirrez Pulido)

En la produccin de tequila para medir la eficacia del proceso de molienda se mide el grado brix
residual despus de la molienda (cantidad de azcar que queda en el bagazo del agave). Esta es
una variable del tipo entre ms pequeo mejor, y el valor mximo tolerado que se ha fijado en una
empresa en particular es 3.5%. Despus de moler cada lote se determina el grado brix residual,
por lo que se considera un proceso lento que es ms apropiado analizar con una carta de
individuales. En la tabla 2.0 se muestran los datos para los ltimos 40 lotes molidos, y se agrego la
columna para el rango mvil en orden 2, que se obtiene del rango entre los dos datos
consecutivos ms recientes.

Brix Rango Brix Rango

Muestra residual mvil Muestra residual mvil
1 2.0 -- 21 1.2 0.9
2 2.4 0.4 22 1.8 0.6
3 2.2 0.2 23 2.0 0.2
4 1.4 0.8 24 2.4 0.4
5 2.3 0.9 25 1.9 0.5
6 1.8 0.5 26 2.4 0.5
7 1.5 0.3 27 2.4 0
8 1.5 0 28 1.7 0.7
9 2.1 0.6 29 1.8 0.1
10 2.0 0.1 30 2.1 0.3
11 1.6 0.4 31 1.7 0.4
12 2.2 0.6 32 2.1 0.4
13 1.9 0.3 33 1.6 0.5
14 2.4 0.5 34 2.4 0.8
15 3.3 0.9 35 2.1 0.3
16 2.1 1.2 36 1.8 0.3
17 2.1 0 37 1.3 0.5
18 1.8 0.3 38 1.8 0.5
19 1.6 0.2 39 1.7 0.1
20 2.1 0.5 40 1.6 0.1
Promedio= 1.95 = 0.43
Tabla 2.0 Datos sobre el grado brix residual.

Limites de control para la carta de individuales

LCS= 1.95 + 3 ((0.43)/(1.128)) =3.10

LC= 1.95
LCI= 1.95 - 3 ((0.43)/(1.128)) = 0.81
26

Limites de control para la carta de rangos mviles

LCS= (3.2686)(0.43)= 1.41

LC=0.43
LCI= (0) (0.43)= 0

Grfica de individuales para el ejemplo 8.

Carta de individuales
4.0

3.0

2.0

1.0

0.0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39

Grfica Rangos mviles para el ejemplo 8.

Carta de rangos moviles

1.6
1.4
1.2
1
0.8
0.6
0.4
0.2
0
-0.2 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39
27

EJEMPLO 9 (Gutirrez Pulido)

En una empresa se hacen impresiones en lminas de acero, que posteriormente se convierten en

recipientes de productos de otras empresas. Un aspecto importante a vigilar en dicha impresin es
la temperatura de horneada que, entre otras cosas, adhiere y seca la pintura una vez que se
imprimi. En una fase particular de la horneada se tiene que la temperatura de cierto horno debe
ser 125C, con una tolerancia de 5C. Si no cumple con tal rango de temperatura, entonces se
presentan problemas en la calidad final de la impresin.
Para controlar de manera adecuada tal caracterstica de proceso se usa una carta de control, y
evidentemente aqu no tiene sentido tomar una muestra de tamao cuatro, ya que si se miden las
temperaturas del horno de manera consecutiva, entonces estas sern prcticamente las mismas; y
si las mediciones no se hacen de manera consecutiva y se hacen, por ejemplo, cada hora, entonces
habr que esperar cuatro horas para graficar un punto en la carta de control y as analizar el
proceso. En la tabla 2.1 se muestran los datos del ejemplo.

Rango Rango
Muestra Temperatura mvil Muestra Temperatura mvil
1 125.1 -- 13 126.4
2 127.5 14 128.3
3 122.7 15 129.5
4 126.4 16 128.1
5 125.5 17 125.1
6 130.5 18 128.5
7 127.3 19 125.0
8 127.5 20 126.3
9 127.3 21 126.5
10 123.0 22 127.9
11 123.5 23 129.5
12 128.0 24 131.9
Promedio 126.97 2.287
Tabla 2.1 Datos de la temperatura.

Limites de control para la carta de individuales

LCS= + 3 (( )/( )) =
LC=
LCI= - 3 (( )/( )) =
Limites de control para la carta de rangos mviles

LCS= ( )( )=
LC=
LCI= ( )( )=
28

Grfica de individuales para el ejemplo 9.

Grfica de rangos mviles para el ejemplo 9.

29

EJEMPLO 10 (Escalante)

Se tiene la siguiente informacin de aire en la botella en la vlvula 44 en una operacin de

envasado de cerveza (tabla 2.2).

Rango Rango Rango

Botella Vlvula mvil Botella Vlvula mvil Botella Vlvula mvil
1 0.51 -- 16 0.34 31 0.59
2 0.59 17 0.42 32 0.42
3 0.42 18 0.42 33 0.42
4 0.42 19 0.42 34 0.42
5 0.34 20 0.34 35 0.34
6 0.42 21 0.59 36 0.42
7 0.34 22 0.34 37 0.42
8 0.34 23 0.34 38 0.42
9 0.42 24 0.51 39 0.42
10 0.34 25 0.34 40 0.42
11 0.42 26 0.34 41 0.59
12 0.34 27 0.42 42 0.42
13 0.51 28 0.42 43 0.42
14 0.34 29 0.42 44 0.42
15 0.34 30 0.42 45 0.58
Promedio 0.420 0.073
Tabla 2.2 Datos de aire en botellas.

Limites de control para la carta de individuales

LCS= + 3 (( )/( )) =
LC=
LCI= - 3 (( )/( )) =
Limites de control para la carta de rangos mviles

LCS= ( )( )=
LC=
LCI= ( )( )=
30

Grfica de individuales para el ejemplo 10.

Grfica de rangos mviles para el ejemplo 10.

31

GRAFICAS DE CONTROL PARA ATRIBUTOS

(DEVORE) El trmino datos de atributos se usa en la literatura de control de calidad para describir
dos situaciones:
1. Cada pieza producida es defectuosa o no defectuosa (se apega a las especificaciones o no
se apega).
2. Una sola pieza puede tener uno o ms defectos y el nmero de defectos se determina.
En el primer caso, una grafica de control est basada en la distribucin binomial; en el ltimo, la
distribucin de Poisson es la base para hacer una grafica.

La grafica p para fraccin defectuosa (EVANS)

Una grafica p vigila la proporcin de artculos no conformes en un lote. A menudo tambin se

conoce como grafica de fracciones no conformes o para fracciones defectuosas. Como sucede
con los datos variables, una grafica p se elabora recopilando primero de 25 a 30 muestras del
atributo que se va a medir. El tamao de cada muestra debe ser suficientemente grande para
tener varios artculos no conformes. Si la probabilidad de encontrar un artculo no conforme es
baja, casi siempre es necesaria una muestra de 100 o ms artculos. Las muestras se seleccionan
durante varios periodos, de modo que es posible investigar cualquier causa especial identificada.
La idea de la carta es la siguiente (Gutirrez):
De cada lote, embarque, pedido o de cada cierta parte de la produccin, se toma una
muestra o subgrupo de ni artculos, que puede ser la totalidad o una parte de las piezas
bajo anlisis.
Las ni piezas de cada subgrupo son inspeccionadas y cada una es catalogada como
defectuosa o no. Las caractersticas o atributos de calidad por los que una pieza es
evaluada como defectuosa, puede ser ms de uno. Una vez determinados los atributos
bajo anlisis, es preciso aplicar criterios y/o anlisis bien definidos y estandarizados.
Si de las ni piezas del subgrupo i se encuentra que di son defectuosas (no pasan), entonces
en la carta p se grafica y se analiza la variacin de la proporcin pi de unidades defectuosas
por subgrupo:

Para calcular los limites de control se parte del supuesto de que la cantidad de piezas defectuosas
por subgrupo sigue una distribucin binomial (vase capitulo 3), y a partir de esto se aplica el
mismo esquema general, el cual seala que los limites estn dados por w 3w la media, mas
menos tres desviaciones estndar del estadstico W que se grafica en la carta. Por lo tanto, en el
caso que nos ocupa W=pi. As, de acuerdo con la distribucin binomial se sabe que la media y la
desviacin estndar de una proporcin estn dadas, respectivamente, por:

Donde n es el tamao de subgrupo y es la proporcin promedio de artculos defectuosos en el

proceso. De acuerdo con esto, los lmites de control de la carta p con tamao de subgrupo
constante, estn dados por:
32

Cuando el tamao de subgrupo n no se mantiene constante a lo largo de las muestras se tienen

dos alternativas: la primera es usar el tamao promedio de subgrupo , en lugar de n. La segunda
es construir una carta de control con lmites variables.

EJEMPLO 11 (Gutirrez Pulido)

En una empresa del ramo alimenticio, mediante ciertas maquinas se empaquetan salchichas en
sobres o paquetes. Un problema que se ha tenido es que dentro del sobre queda aire (falta vacio).
El problema se detecta mediante inspeccin visual; los paquetes con aire son segregados y
despus se abren para recuperar las salchichas y volverlas a empaquetar.
El atributo de falta de vacio es importante debido a que si un paquete con aire llega al mercado, la
vida de anaquel se acorta, por lo que despus de algunos das la salchicha empieza a cambiar de
color y a perder su frescura; y eso puedo ocurrir en el refrigerador del distribuidor o del
consumidor. Esta situacin repercute en clientes insatisfechos y genera una mala imagen de la
compaa.
Por lo anterior, a los operadores de las diferentes maquinas continuamente se les recordaba la
importancia de no dejar pasar paquetes con aire. Sin embargo, como no se llevaba un registro de
la magnitud del problema, no existan bases tangibles para detectar cambios en el desempeo de
las maquinas, ni haba forma de saber su las medidas tomadas para reducir el problema haba
dado resultado. De ah surgi la necesidad de registrar los resultados y analizarlos mediante una
carta de control. Cada hora se registra el numero de paquetes detectados con aire di y del
contador de la maquina se obtiene el total de paquetes ni durante esa hora. Los datos obtenidos
durante tres das en una maquina se muestran en la tabla 2.3.

Paquetes, Paquetes Proporcin, Paquetes, Paquetes Proporcin,

Subgrupo ni con aire, di Pi Subgrupo ni con aire, di Pi
1 595 15 0.025 21 594 7 0.012
2 593 5 0.008 22 606 5 0.008
3 607 8 0.013 23 601 7 0.012
4 596 10 0.017 24 598 4 0.007
5 602 6 0.010 25 599 2 0.003
6 599 5 0.008 26 590 3 0.005
7 600 5 0.008 27 588 5 0.009
8 590 7 0.012 28 597 3 0.005
9 599 2 0.003 29 604 6 0.010
10 601 4 0.007 30 605 5 0.008
11 598 9 0.015 31 597 7 0.012
33

12 600 17 0.028 32 603 9 0.015

13 597 4 0.007 33 596 5 0.008
14 594 5 0.008 34 597 3 0.005
15 595 3 0.005 35 607 8 0.013
16 597 10 0.017 36 596 15 0.025
17 599 7 0.012 37 598 4 0.007
18 596 5 0.008 38 600 6 0.010
19 607 4 0.007 39 608 8 0.013
20 601 9 0.015 40 592 5 0.008
Total de defectuosos (di)= 257
Total de inspeccionados(ni)= 23,942
Total de subgrupos= 40
Tabla 2.3 Datos para el proceso de empaquetado de salchichas.

Carta de control p para el ejemplo 11.

34

EJEMPLO 12 (EVANS)

Los operadores de maquinas de clasificacin automtica en una oficina de correos deben leer el
cdigo postal en una carta y enviarla a la ruta apropiada. Durante un mes, se seleccionan 25
muestras de 100 cartas y se registr el nmero de errores. Esta informacin se encuentra
resumida en la tabla 2.4.

Tabla 2.4 Datos para el ejemplo 12.

Paquetes, Paquetes Proporcin, Paquetes, Paquetes Proporcin,

Subgrupo ni con aire, di Pi Subgrupo ni con aire, di Pi
1 100 3 14 100 3
2 100 1 15 100 4
3 100 0 16 100 1
4 100 0 17 100 1
5 100 2 18 100 2
6 100 5 19 100 5
7 100 3 20 100 2
8 100 6 21 100 3
9 100 1 22 100 4
10 100 4 23 100 1
11 100 0 24 100 0
12 100 2 25 100 1
13 100 1
Total de defectuosos (di)= 55
Total de inspeccionados(ni)= 2,500
Total de subgrupos= 25

LCS=

LC=

LCI=
35

Carta de control p para el ejemplo 12.

EJEMPLO 13 (ESCALANTE)

Construir una grafica p para la informacin sobre lavabos mostrada en la tabla 2.5

Paquetes, Paquetes Proporcin, Paquetes, Paquetes Proporcin,

Subgrupo ni con aire, di Pi Subgrupo ni con aire, di Pi
05-may 145 10 0.069 14-may 156 22 0.141
06-may 236 1 0.004 15-may 172 24 0.140
07-may 184 4 0.022 16-may 125 35 0.280
08-may 122 6 0.049 17-may 118 21 0.178
09-may 215 12 0.056 18-may 164 19 0.116
10-may 218 35 0.161 19-may 215 17 0.079
11-may 221 21 0.095 20-may 248 21 0.085
12-may 149 32 0.215 21-may 168 23 0.137
13-may 189 12 0.063 22-may 159 24 0.151
Total de defectuosos (di)= 339
Total de inspeccionados(ni)= 3,204
Total de subgrupos= 18
Tabla 2.5
36

LCS=

LC=

LCI=

Carta de control p para el ejemplo 13.