Ver Primeiro PDF

Control estadstico de procesos y Luis Arencibia Snchez
Planes de muestreo
CONTROL ESTADSTICO DE PROCESOS

Y PLANES DE MUESTREO
DIRECCIN DE LA PRODUCCIN
Por:
LUIS ARENCIBIA SNCHEZ
www.laformacion.com - www.libroelectronico.net 1
Planes de muestreo
ndice.
1. Control estadstico de procesos.
1.1. Introduccin.
1.2. Variacin y sus causas.
1.3. Grficos de control.
1.4. Capacidad de procesos.
1.5. Precontrol.
1.6. Ejemplos.
2. Planes de muestreo.
2.1. Elementos de los planes de muestreo.

2.2. Curvas caractersticas.
2.3. Tipos de muestreo.
2.4. Niveles de inspeccin.
2.5. Tipos de planes de muestreo.
Planes de muestreo
1.1. Introduccin.
1.2.1. Proceso estable y proceso capaz.
1.3.1. Grficos de control por variables.
Grficos de variables X , R.
Grficos de medidas individuales X.
Grficos X / R con media mvil.
( )
Grficos X ,S .
Grficos mediana y recorrido.
Grficos X objetivo, R.
1.3.2. Grficos de control por atributos.
Grficos para unidades defectuosas.

Grficos para defectos.
1.4.1. Definiciones.
1.4.2. ndices de capacidad.
1.4.3. Conclusiones sobre los estudios de capacidad.
1.4.4. Consideraciones sobre la dispersin de los procesos.
1.5. Precontrol.
1.5.2. Potencia del sistema.

1.5.1. Procedimiento de actuacin.
1.6. Ejemplos.
Planes de muestreo
1.1. Introduccin.
Es sabido que, en los procesos repetitivos, por muy bien regulados que se encuentren,
no se obtienen productos iguales. Las diferencias, sean grandes (que se detectan fcilmente) o
pequeas (de ms difcil deteccin), existen siempre.
Los sistemas de control basados en evitar la salida al mercado de productos

defectuosos mediante verificacin final del producto terminado antes de su venta, aunque
logra que no lleguen al usuario dichos productos, no eliminan las diferencias a lo largo del
proceso productivo. Esto da lugar a unos costes inherentes al proceso que, en un mercado tan
competitivo como el actual, hace inevitables tales productos.
Es necesario, pues estudiar las causas que producen diferencias para poder actuar
antes de que se produzcan. sta es la misin del Control Estadstico de Procesos (CEP),
detectar cualquier posible desajuste susceptible de originar una disminucin del nivel de
calidad exigido.
El Control Estadstico de Procesos (CEP, en ingls Statistical Process Control, SPC), es

un instrumento de gestin que permite, mediante la comparacin del funcionamiento del
proceso con unos lmites previamente establecidos estadsticamente, y la modificacin de las
condiciones del proceso, si es preciso, establecer y garantizar la consecucin de las
especificaciones deseadas. Permite conseguir, mantener y mejorar procesos estables y
capaces.
Los elementos del CEP, son:
a. El Proceso. Es la combinacin organizada de los elementos: mano de obra,

instalaciones, materia prima, mtodos de trabajo y entorno, para elaborar un objeto:
producto o servicio.
b. Informacin sobre el comportamiento del proceso. Incluye el estudio de las

variaciones de los parmetros mas significativos, que definen las condiciones de
operacin en el proceso.
c. Informacin sobre el comportamiento del proceso en curso de produccin.

Se obtiene a travs de la medicin y estudio de los parmetros ms significativos y
en tiempo real, en cada una de las operaciones de transformacin o elaboracin de
los productos o servicios.
d. Medidas correctoras al proceso. Del anlisis e interpretacin de las informaciones,

en caso de desajuste, surge la necesidad de adoptar medidas correctoras que
modifiquen permanentemente el proceso. Son acciones de carcter preventivo de
mejora del proceso. En general no son competencia del operario de la lnea, sino
responsabilidad de la Direccin.
e. Medidas correctoras al curso de produccin. Cuando se observa que hay

variacin y el proceso entra en situacin inestable, es necesario aportar decisiones
de acciones correctoras inmediatas para eliminar las causas y restituir al proceso
dentro de condiciones de variabilidad no asignable. Son competencia de los operarios
de la lnea.
Planes de muestreo
En la siguiente figura se muestra la relacin entre dichos componentes.
Proceso
Mano de Obra
Instalaciones Curso De Produccin
Materiales
Mtodos
Entorno
Informacin sobre el
comportamiento del
Proceso Medidas
Medidas Informacin sobre el correctoras
correctoras comportamiento del
Proceso en curso de al curso de
al Proceso Produccin. Produccin
El CEP es un mtodo sistemtico para prevenir/predecir y minimizar las variaciones de

los procesos y consiste en examinar su resultado final, controlando muestras de las unidades
producidas tomadas a intervalos suficientemente breves, con objeto de asegurar la debida
actuacin sobre las causas que provocan el desajuste.
Los indicadores de desajuste de un proceso se obtienen a partir de la aplicacin de

conceptos estadsticos y grficos, que permiten valorar los cambios en los valores medios y en
la dispersin de los parmetros especificados como de consigna u objetivo.
Utilizadas adecuadamente, las tcnicas de CEP nos proporcionarn las siguientes

ventajas:
Reduccin de costes.
Mejora de calidad y rendimiento.
Reduccin de la actividad de inspeccin innecesaria.
Reduccin de recuperaciones y chatarra.
Puesta en evidencia de muchos problemas de diseo.
Resolucin sencilla de difciles problemas relacionados con especificaciones y
requerimientos.
Aislamiento de las fuentes de variacin de los procesos.
En la realidad existen dos aspectos distintos del CEP que por lo general suelen ser
confundidos: el control de procesos y la capacidad de procesos.
Planes de muestreo
Se denomina variacin a las diferencias que resultan del efecto combinado de las
influencias, internas y externas, que afectan a los factores (mano de obra, instalaciones,
materiales, mtodos y entorno) que intervienen en un proceso. El concepto de variacin es
tambin aplicable a procesos administrativos, de fabricacin o de servicios.
Por ejemplo, las diferencias en el tiempo de tramitacin de un pedido variarn segn las
personas encargadas de realizarlo, los medios disponibles y los sistemas empleados en cada
momento. Las diferencias entre piezas moldeadas pueden ser debidas a la mquina, al
material, al operario, al entorno o al mtodo seguido.
Las causas que provocan estas variaciones corresponden a dos tipos:
a. Causas comunes.
Su naturaleza es de tipo aleatorio y son debidas a los numerosos motivos de

variacin fortuita, en general pequeos, que estn presentes en cualquier proceso.
Como resultado, el proceso tiene un comportamiento estable en el tiempo y las
caractersticas de salida pueden predecirse.
Las causas comunes se caracterizan por:
Constar de muchas causas de variacin pequea.

Aparecer en muchos instantes del proceso.
Ser estables.
Ser previsibles.
Permanecer en el proceso.
Ejemplos de causas comunes son: vibraciones en mquinas, pequeos cambios en la

materia prima, holguras y desgaste de herramientas.
Si las causas comunes producen defectos, la solucin es realizar cambios en el proceso,

que disminuyan el efecto de las mismas. Estos cambios suelen ser competencia de los
niveles superiores en la organizacin.
Nunca debe ajustarse puntualmente el proceso cuando la variacin es producida por

causas comunes. As, si un operador trata de ajustar un proceso a partir de las causas
comunes de variacin, el resultado ser un alejamiento cada vez mayor del valor
nominal y una inestabilidad del mismo.
b. Causas especiales.
Su naturaleza no es aleatoria. Las causas especiales consisten en unos pocos

motivos individuales que aparecen espordicamente en el proceso, por lo que son
imprevisibles y, adems, pueden dar lugar a variaciones importantes. Dan como
resultado un proceso inestable sobre el que no se puede predecir la homogeneidad
de las caractersticas de salida.
Planes de muestreo
Las causas especiales de variacin, se caracterizan por:
Constar de una o pocas causas importantes.

Aparecer espordicamente en el proceso.
Ser inestables.
Ser imprevisibles.
Poder reaparecer.
Ejemplos de causas especiales son: error del operario, ajuste incorrecto y materia
prima defectuosa.
Las causas especiales de variacin son detectadas mediante tcnicas estadsticas y su

eliminacin, mediante acciones de tipo local, sobre el elemento que la genera, suele ser
responsabilidad del operador o del supervisor.
En cualquier proceso en funcionamiento, su variabilidad es debida a la suma de los

efectos de ambas causas, comunes y especiales. El objetivo principal del estudio de
un proceso es poder separar las causas comunes de las especiales, eliminando
estas ltimas y logra que la variabilidad sea debida slo a causas comunes. En
estas condiciones diremos que el proceso est en estado de control.
La variabilidad debida a estas causas (las comunes) es perfectamente

cuantificable, bastando con observar el proceso durante un periodo de tiempo tal que
garantice que todas las causas comunes han actuado. A partir de este momento su
variabilidad es predecible, puesto que a lo largo del tiempo su variabilidad tendr un
mximo y un mnimo que coincidir con lo observado en el periodo inicial.
Las diferencias entre las causas comunes y las especiales se resumen en la s siguiente
tabla:
CAUSAS COMUNES CAUSAS ESPECIALES
Muchas causas individuales. Una sola causa individual.

Dan lugar a variaciones Dan lugar a variaciones
pequeas. importantes.
Producen variabilidad constante y Producen variabilidad no
predecible. constante e impredecible.
No es econmica su eliminacin y Sus efectos desaparecen al
de difcil reduccin sus efectos. eliminar la causa.
Cuando slo hay causas El proceso no funciona de manera
comunes, el funcionamiento es ptima cuando actan.
ptimo.
En estas condiciones, el proceso Cuando actan no se pueden
es estable, pudiendo utilizar hacer predicciones del
tcnicas de muestreo para hacer funcionamiento del proceso.
predicciones.
Planes de muestreo
1.2.1. Proceso estable y proceso capaz.
Las causas de variacin y su intensidad hacen que un proceso sea estable o inestable. Y
si ste es estable, determinan si es capaz o no capaz.
Proceso estable.
Un proceso estable es el que resulta cuando slo estn presentes causas

comunes de variacin. La mejora de un proceso estable requiere cambios
fundamentales en l.
Proceso estable
Un proceso estable es consistente. El resultado del proceso no vara en

el tiempo: la media no se desva y la dispersin no vara significativamente. En un
proceso estable se pueden predecir sus resultados.
Dentro de los procesos estables podemos hacer otra clasificacin: proceso

capaz o no capaz.
- Proceso capaz y no capaz
Decimos que el proceso es capaz respecto a una especificacin de consigna

determinada, si la distribucin estadstica de las medidas est dentro de los
lmites de la especificacin.
Proceso capaz y proceso no capaz
Para que un proceso sea capaz primeramente debe ser estable. Un
Planes de muestreo
proceso capaz genera, consecuentemente, productos que cumplen con las

especificaciones.
La secuencia genrica para conseguir un proceso capaz es la siguiente:
PROCESO Detectar Investigar Reducir

PROCESO
ESTABLE Causas Causas Causas
Comunes Comunes Comunes
CAPAZ
NO CAPAZ
Una vez estabilizado el proceso y eliminadas las causas de variacin, se debe

realizar el estudio de capacidad y la reduccin, si es preciso, de las causas no
asignables de variacin, para conseguir que el proceso sea capaz.
Proceso inestable.
Un proceso inestable es aqul que presenta causas especiales de variacin.
Proceso inestable
Se observan cambios en la media y en la dispersin de las observaciones. La

mejora de un proceso inestable requiere la aplicacin del control estadstico de
proceso y seguir la secuencia genrica siguiente:
Detectar Investigar Eliminar

PROCESO PROCESO
Causas Causas Causas
INESTABLE Especiales Especiales Especiales
ESTABLE
Planes de muestreo
Si representamos en el tiempo el resultado estadstico (media, dispersin) de las

observaciones de un determinado parmetro que especifica un proceso y lo comparamos con
unos lmites de tolerancia previamente calculados en el entorno del valor de consigna
especificado y que reflejen la capacidad del proceso, obtendremos un grfico de control.
El fundamento estadstico para el clculo de estos lmites se basa en que cuando un

proceso est bajo control (y por tanto la variabilidad est motivada tan slo por causas
comunes), las medidas observadas tienden a ajustarse a la distribucin normal.
En consecuencia se admite en Control de Calidad que el entorno de variacin alrededor

del valor de consigna es: ( x + 3 , x - 3 ) o intervalo de tolerancias naturales, que corresponde a
una probabilidad del 0,9974 (99,74%) que las medidas que obtenga el proceso estn dentro
de este entorno y del 0,0026 (0,26%) fuera de l. Estos lmites se denominan tambin lmites
de variacin natural del proceso y a la amplitud entre estos lmites, capacidad del
( )
proceso 6 . En algunos casos se incluyen en los grficos de control los lmites de aviso,
cuyo intervalo es mas restrictivo.
Los problemas de calidad aparecen, normalmente, cuando un proceso se desva de su

trayectoria habitual. En este sentido el grfico de control permite, por el conocimiento de los
lmites de control, saber cuando un proceso empieza a alterarse ofreciendo la posibilidad de
corregirlo antes de que empiecen a producirse piezas defectuosas.
Requisitos del grfico de control
Los requisitos necesarios para la construccin de un Grfico de Control son los

siguientes:
Definir el proceso y sus condiciones de funcionamiento de manera que estn

claras las especificaciones del producto y de los elementos que le afectan, y
adems, los parmetros del mismo se hayan ajustado para obtener la misma
variabilidad.
Seleccionar una o varias caractersticas de calidad que van a ser controladas.
Anotar los datos tomados de las sucesivas muestras de producto, conforme vaya
realizndose la produccin.
Determinar los lmites de control a partir de los datos.
Dibujar los lmites en el grfico apropiado.
Comenzar a dibujar en el grfico los puntos representativos de las muestras de la
produccin siguientes, a las utilizadas para la determinacin de los lmites de
control.
Tomar las acciones correctoras adecuadas cuando los puntos representativos de
las muestras caigan fuera de los lmites de control.
Planes de muestreo
Tipos de grficos de control
De forma general existen, en un proceso industrial, dos tipos de seguimiento de los

procesos a los que corresponden sendos tipos de grficos:
Grficos de control de dimensiones o variables (conocidos como grficos

X /R y X /S).
Grficos de atributos, en los que no se controlan las medidas sino la fraccin o
porcentaje defectuoso producido.
Planes de muestreo
1.3.1. Grficos de control por variables.
Este tipo de grficos es utilizado cuando las caractersticas que pretendemos controlar
son medibles y el instrumento de control utilizado permite establecer su valor.
La validez de este tipo de grficos y por lo tanto de las estimaciones realizadas y las
consecuencias extradas a partir de ellos, consiste en suponer que la distribucin de
frecuencias que sigue la poblacin constituida por los elementos producidos por el proceso es
(
una Distribucin Normal N , . )
En la prctica el mtodo de control consistir en la obtencin a lo largo del proceso (en
funcin del tiempo), de informacin acerca del producto que nos permita estimar los
parmetros que definen la distribucin:
La tendencia central del proceso, .
La dispersin del proceso, .
Una vez conocidos estos parmetros y puesto que la distribucin la suponemos normal,
podremos calcular a priori entre que valores oscilar la produccin.
A continuacin, el trabajo es simple: comparar lo fabricado en ciertos intervalos con los

valores citados anteriormente.
Desde el punto de vista de la eficacia, la experiencia dice que el mayor

aprovechamiento de la informacin se logra mediante la utilizacin conjunta de dos grficos:
Grfico de tendencia central del proceso.

Grfico de variabilidad del proceso.
Estos dos grficos se irn formando simultneamente con los datos extrados de la
produccin. En la siguiente figura se muestran estos dos tipos de grficos, comparando cada
muestra con los valores centrales y los lmites superiores e inferior de la tendencia central y de
la dispersin.
Planes de muestreo
Ahora bien, sabemos que la tendencia central y la variabilidad de una poblacin pueden
venir expresadas por distintas medidas: media, moda, mediana, desviacin tpica, varianza,
recorrido, etc. Por lo tanto, los dos grficos antes mencionados podran construirse a partir de
estas medidas.
Adems, si al conjunto de los dos grficos le damos una entidad nica tenemos que
grficos (tendencia central, variabilidad) habr tantos como posibles combinaciones de estas
medidas.
No obstante, los ms utilizados son los grficos de medias y recorridos ( X / R) .

1.3.1.1. Grficos de variables X , R.
En los grficos X /R la comparacin de las caractersticas a medir se hace con el valor

medio de una muestra de pequeo tamao, estimando la variabilidad de este parmetro
mediante los recorridos de las muestras.
La ventaja de utilizar la media de una caracterstica en lugar de un valor individual es

que los valores medios son mucho ms sensibles ante variaciones del proceso que los valores
individuales.
Consideremos un proceso en el que para los valores individuales de las piezas vale 5
mm., siendo la media del proceso 100 mm. La dispersin 3 que como sabemos agrupa
ms del 99% de los valores individuales oscila entre 85 mm. y 115 mm. Si en el proceso se
presenta una anormalidad que lleve la medida de 100 a 105 mm., mover los lmites hasta los
valores 90 y 120 mm. Sin embargo la probabilidad de que un valor individual caiga fuera de
los lmites primitivos, se demuestra estadsticamente que es aproximadamente de 2%.
a. Construccin del grfico
El grfico est dividido en dos partes:
La superior o grfico X en el que se representan los valores medios de la muestras

extradas (medidas de tendencia).
La inferior o grfico R en el que se representan los recorridos de las diferentes
muestras, entendiendo, como ya es sabido, el recorrido como diferencia entre los
valores mximo y mnimo de una muestra.
Los pasos para elaborar el grfico son los siguientes:
1. Definir el tamao de las muestras
El tamao de la muestra o subgrupo debe ser constante. Las muestras de pequeo

tamao aumentan la sensibilidad del proceso de deteccin de anomalas,
aumentando esta sensibilidad con el tamao de la muestra. Sin embargo muestras
excesivamente grandes daran lugar a dos problemas:
Dejara de ser vlida la estimacin de la variabilidad de la poblacin ( )

partiendo del recorrido R de la muestra.
Se encarecera el procedimiento.
Por los motivos anteriores se escoge un tamao de muestra que est comprendido
entre 4 y 5 unidades producidas consecutivamente en un solo flujo de proceso (una
Planes de muestreo
sola herramienta, cabezal, troquel, etc), para que la variacin dentro de cada
muestra represente fundamentalmente causas comunes.
2. Definir la frecuencia del muestreo.
Las muestras deben cogerse con unos intervalos entre ellas que nos garanticen que
stas van a ser representativas de la poblacin que pretendemos estudiar.
Por una parte, intervalos muy cortos en donde no ha habido oportunidad de cambios
sobre el proceso, aparte de encarecer el proceso, no nos garantizan una mayor
informacin sobre el mismo. Si por el contrario con una idea de economa, el
intervalo entre tomas de muestras es muy dilatado, lo ms probable es que nos
pasen desapercibidas las causas especiales que estn actuando sobre l.
Como cada proceso bajo estudio tiene unas caractersticas completamente

diferentes de los dems, no existen reglas fijas referentes al intervalo de toma de
muestra (cada 6 horas, dos veces por turno, para cada lote de fabricacin, etc.).
Para establecer el intervalo de toma de muestra idneo, debemos pues estudiar

cada proceso, o tener en cuenta la experiencia adquirida en procesos similares. Los
puntos bsicos a tener en cuenta son:
No establecer tomas de muestra en periodos que la experiencia nos garantice

continuidad en el proceso.
Establecer tomas de muestra siempre que exista posibilidad de cambio en el
proceso, como por ejemplo:
Cambio de turnos.
Relevo de operarios.
Cambio de la materia prima.
Cambio de herramienta.
Parada y arranque de la maquina, etc.
No obstante, durante el estudio inicial del proceso la toma de muestras se debe

hacer a intervalos ms cortos que durante la fase de mantenimiento en control
del mismo, para poder detectar cualquier posible inestabilidad.
3. Establecer el nmero de muestras a tomar
Desde el punto de vista estadstico 25 o ms muestras que dan un nmero total de

100 o ms unidades inspeccionadas, son suficientes para tener evidencia de la
estabilidad del proceso y, si ste es estable, la tendencia central y la dispersin.
4. Registro de datos
En el impreso Grfico de control del proceso X /R se registran los siguientes datos:
a) Identificacin de la pieza.
Referencia.
Denominacin.
b) Identificacin del proceso.
Operacin.
Caracterstica.
Planes de muestreo
c) Identificacin de la muestra.
Tamao.
Frecuencia.
Fecha.
Turno.
Hora.
5. Clculo de la media ( X ) y del recorrido ( R) de cada muestra

Los parmetros estadsticos a registrar son la media y el recorrido de cada
muestra. Los clculos a realizar son:
X 1 + X 2 +....+ X n
Media: X = Recorrido: R =X max X mim
n
donde X1, X2 ....Xn son los valores individuales dentro de cada muestra, n el tamao
de la muestra y Xmax, Xmin los valores individuales mximo y mnimo dentro de cada
muestra.
La media total (X ) y el recorrido medio ( R) se calculan mediante:

X 1 + X 2 +....+ X k R1 + R2 +....+ Rk
X = R=
k k
donde X 1 , X 2 .... X k son las medias mustrales de los diferentes subgrupos;

R1 , R2 .... Rk son los recorridos de cada subgrupo y k es el nmero de muestras o
subgrupos tomados.
6. Seleccin de las escalas de los grficos.
Las escalas verticales de los dos grficos tanto el de medias como el de recorridos no
se encuentran pre-impresos y es necesario determinarlas para cada caracterstica a
controlar.
a. Grfico (X ).
La amplitud de la escala (Valor mximo - Valor mnimo) debe ser al menos dos
veces la diferencia entre las medias mximas y mnima de la muestra.
El centro de la escala (para tolerancias bilaterales) se tomar en principio en el
valor nominal de la caracterstica a controlar (valor central del campo de tolerancias
especificado).
b. Grfico ( R) .
La escala ir desde el valor mnimo 0 a un valor mximo igual o mayor al doble del
recorrido mximo que se haya encontrado durante el periodo de puesta a punto.
Es recomendable que la escala del grfico de recorridos sea doble que la
correspondiente al grfico de medias (p.e. si una divisin del grfico de medias es
0,2 mm., en el de recorridos deber ser de 0,4 mm.).
Planes de muestreo
7. Marcado de los valores de las Medias (X ) y de los recorridos ( R) en el

grfico de control.
Se marcan los puntos correspondientes a las medias y recorridos calculados para

cada muestra. Se trazan lneas que unan dichos puntos para ayudar a visualizar el
proceso.
8. Clculo de los lmites de control
El proceso bsico para situar los lmites de control en los grficos de variables es
similar al clculo de los lmites de 3 en las distribuciones de frecuencia.
La nica diferencia estriba en que los lmites de control para los grficos de variables
se establecen para medidas de tendencia central y dispersin con muestras de
tamao relativamente pequeo.
En este sentido hemos de distinguir tres tipos de lmites bien diferenciados:

Lmites de especificacin. Establecen la variacin aceptable para las piezas
individuales producidas. Estos lmites son establecidos por el servicio de
Ingeniera para cada caracterstica importante o crtica de cada pieza. Tambin se
conocen como lmites de tolerancia (superior o inferior) de la caracterstica a
considerar.
Lmites del proceso. Se derivan directamente de la fabricacin producida y su
valor es como se sabe 3 alrededor de la tendencia central del proceso. La
comparacin de estos lmites con los de especificacin ponen de manifiesto si el
proceso es capaz o no de conseguir tolerancias. Si los lmites del proceso entran
dentro de los de especificacin o tolerancias, el proceso es capaz no sindolo en
caso contrario. En el captulo siguiente se desarrollar ampliamente el concepto y
forma de calcular la capacidad de una mquina y de un proceso.
Lmites de control del grfico de variables (naturales). Estos limites
corresponden a los valores 3 X (3 x error tpico) colocados a un lado y otro de
la tendencia central o valor medio total de las distintas medias muestrales. Es
decir, si se extraen sucesivas nuestras de tamao n consecutivamente de una
produccin, cada una de ellas tendr una media x i . Si extraemos k muestras, la
tendencia central vendr dada por:
x 1 + x 2 +....+ x k
x (x doble barra) =
k
Pues bien, si a un lado y otro de este valor x colocamos la cantidad 3 x
obtendremos los lmites de control del grfico de variables, siendo, como ya es
conocido, la desviacin tpica de los valores individuales de la produccin.
Planes de muestreo
La figura muestra la relacin entre los diferentes tipos de lmites.
As, el lmite superior de control de las medias ser:

LSC x = X + 3 x
y como la desviacin tpica de las medias est relacionada con la desviacin tpica
( )
de los valores individuales del colectivo, mediante la frmula:

x =
n
se tiene que:
3
LSC x = X +
n
A su vez, la relacin entre la desviacin tpica y el recorrido medio es:
R
=
d2
donde d 2 es una constante tabulada, se obtiene:
3
LSC x = X + R
nd 2
Para facilitar el clculo, y teniendo en cuenta que el factor que multiplica a R es
una constante, se le expresa como A2 y su valor est tabulado para cada valor de
n.
De forma anloga se obtienen los diferentes lmites de control, tanto para la media
como para el recorrido, resultando:
LSC x = X + A2 R LIC x = X A2 R
LSCR = D4 R LICR = D 3 R
Los valores de D2, A2, D3 y D4 se recogen en la tabla 1 para valores de tamao de

muestra entre dos y diez.
Planes de muestreo
9. Trazado de las lneas medias y de los lmites de control en los grficos
Se traza la media del proceso (X ) y el recorrido medio (R) como lneas horizontales
con trazo discontinuo, y los lmites de control LCS (X), LCI (X) y LCS (R) como
lneas horizontales continuas.
Constantes estadsticas
n 2 3 4 5 6 7 8 9 10
A2 1,880 1,023 0,729 0,577 0,483 0,419 0,373 0,337 0,308
2 1,880 1,187 0,976 0,691 0,548 0,508 0,433 0,412 0,362
A3 2,659 1,954 1,628 1,425 1,287 1,182 1,099 1,032 0,975
E2 2,660 1,772 1,457 1,290 1,184 1,109 1,054 1,010 0,975
D3 - - - - - 0,076 0,136 0,184 0,223
D4 3,267 2,574 2,285 2,114 2,004 1,924 1,864 1,816 1,777
B3 - - - - 0,030 0,118 0,185 0,239 0,284
B4 3,267 2,568 2,266 2,089 1,970 1,882 1,815 1,761 1,716
d2 1,128 1,693 2,059 2,326 2,534 2,704 2,847 2,970 3,078
C4 0,797 0,886 0,921 0,940 0,951 0,959 0,965 0,969 0,972
9 2 3 0 5 4 0 3 7
K1 3,257 2,046 1,630 1,413 1,278 1,185 1,119 - -
b. Interpretacin del grfico y actuacin sobre el proceso
El objetivo de la interpretacin de los grficos de control es determinar cualquier

evidencia de que la tendencia central, (media del proceso) o la variabilidad (recorrido
medio) del proceso o ambas simultneamente no se mantienen a un nivel constante,
por la actuacin sobre el proceso de causas especiales.
En toda la exposicin que sigue, se supone que no ha habido errores en los clculos
o trazado de lneas y que los sistemas y criterios de medicin no han sufrido
cambios.
1. Grficos de recorridos.
a. Puntos fuera de los lmites de control.

Son seal de que la variabilidad del proceso ha aumentado. Es necesario detectar
la causa especial que lo ha provocado y definir la accin correctora.
b. Tramos dentro de los lmites de control.
Siete puntos consecutivos a un mismo lado de la media por encima o por
debajo. (Rachas).
Siete puntos consecutivos en una lnea constante creciente o decreciente.
(Tendencias).
Si el tramo es creciente o por encima de la media es seal de que, aunque el
proceso no est fuera de control estadstico, estn actuando causas que hacen
Planes de muestreo
aumentar la variabilidad por lo que es necesario detectarlas y definir la accin

correctora.
Si el tramo es decreciente o est por debajo de la media, es seal de que

estn actuando causas que hacen disminuir la variabilidad. Dado que esto nos
interesa puesto que es una mejora del proceso, es necesario detectar estas causas e
intentar repetirlas como parte normal del proceso.
2. Grfico de medias.
a. Puntos fuera de los lmites de control.

Son seal de que la tendencia central del proceso ha sufrido cambios. Es
necesario detectar las causas que lo han producido y definir la accin
correctora.
b. Tramos dentro de los lmites de control.
Siete puntos consecutivos a un mismo lado de la media del proceso por
encima o por debajo.
Siete puntos consecutivos en una lnea constante creciente o decreciente.
Ambas situaciones son indicio de que an no estando el proceso fuera de control, estn
actuando causas que modifican su estabilidad, por lo que es necesario identificarlas y
corregirlas.
c. Nuevo clculo de los lmites de control
En el caso de que existan puntos fuera de los lmites de control tanto en el grfico de
medias como en el de recorridos, para el siguiente periodo de toma de muestra es
necesario volver a calcular los lmites de control.
Para ello se prescinde de los datos correspondientes a los puntos que estaban fuera
de los lmites, calculando los nuevos valores de la media del proceso y del recorrido
medio con los restantes datos. Con estos valores se calculan los nuevos lmites de
control.
Esta secuencia de identificacin/correccin/nuevo clculo se repite hasta que

todos los puntos restantes quedan dentro de los lmites de control.
Planes de muestreo
d. Control continuo del proceso
Una vez finalizado el periodo de toma de muestras (25 muestras por lo general), se
vuelven a calcular los lmites de control. Estos nuevos lmites de control sern los
utilizados para el siguiente periodo de tomas de muestra.
Planes de muestreo
1.3.1.2. Grficos de medidas individuales X
Este grfico es til cuando, por el tipo de proceso, slo puede obtenerse una medida
por lote o partida. Esto ocurre cuando el tipo de medicin es muy costoso (ensayos
destructivos) y en procesos qumicos donde el tiempo de anlisis es muy alto y la variacin, en
un intervalo corto de tiempo, es muy pequea.
La ventaja radica en que los valores del grfico pueden ser comparados directamente
con los de la especificacin.
Los inconvenientes son entre otros:

Menor sensibilidad a los cambios del proceso.
La interpretacin se complica cuando la distribucin no es simtrica.
Los recorridos mviles deben ser interpretados con cuidado, ya que dos
recorridos mviles sucesivos nunca son independientes al tener una medicin en
comn.
Para la construccin de un grfico de control de valores individuales se siguen los

mismos pasos que para los grficos X / R , excepto que:
Se registran las medidas individuales en vez de las medidas muestrales.

Se calcula el recorrido mvil entre medidas individuales. La primera lectura no
tiene recorrido. En la segunda lectura, el recorrido mvil se calcula como
diferencia entre la primera y segunda lectura. En la tercera lectura el recorrido
mvil se calcula como la diferencia entre la segunda y tercera lectura y as
sucesivamente.
El nmero de recorridos mviles ser por tanto uno menos que el nmero de
lecturas individuales.
Se calcula y se marca la media del proceso y la media de los recorridos mviles.
Se calculan los lmites de control.
LSC x = X + E 2 R LIC x = X E 2 R
LSCR = D4 R LICR = D 3 R
donde X es la medida de los valores individuales y R es la media de los

recorridos mviles; E 2 , D3 y D 4 son constantes cuyo valor vara segn el
agrupamiento realizado para el clculo de los recorridos mviles, ya que si
normalmente se calcula con grupos de dos lecturas, tambin se puede calcular
con agrupamientos mayores.
Los valores de las constantes estn indicados en la tabla 1.
Tanto la interpretacin de los grficos, como el mantenimiento y mejora del

proceso, siguen lo expresado para los grficos X / R.
Planes de muestreo
1.3.1.3. Grficos X / R con media mvil.
Estos grficos se utilizan en aquellos casos en que tengamos procesos que utilicen
elementos en los que se admite un cierto deterioro/desgaste/consumo/etc, y por lo tanto
deben ser cambiados.
El grfico de control se utiliza no slo para identificar la actuacin de causas especiales

sobre el proceso sino tambin para determinar cuando deben introducirse los cambios de los
antes mencionados elementos.
Por ejemplo, si estamos controlando las actuaciones de un bao electroltico mediante

medicin y seguimiento de la concentracin del producto que contiene el elemento que se est
depositando, esta concentracin va disminuyendo con el tiempo, con lo que cualquier
representacin grfica de la concentracin dar lugar a una pauta de puntos consecutivos
descendentes que de acuerdo con lo que sabemos son ndice de causas especiales; o en el
supuesto de una operacin de punzonado, el punzn se ir desgastando con lo que cualquier
representacin grfica de la profundidad del punzonado tendr tambin una pauta de puntos
consecutivos descendentes.
Los pasos para la construccin de un grfico de control X / R con media mvil son
similares a los seguidos para los grficos X / R , con las siguientes diferencias:
Los grficos se recogen durante un ciclo completo, entendiendo como tal el periodo
entre cambio de herramienta.
Se separan aquellos que son representativos de la actuacin de las causas
especiales aparte de la tendencia creciente o decreciente esperada.
Para ello entre todos los puntos marcados en el grfico de medias, se traza la lnea de
tendencia. Se considera como lnea de tendencia a la lnea de mejor ajuste entre todos los
puntos, hacindose de un modo grfico sin necesidad de otros clculos materiales.
A continuacin se trazan los lmites diagonales como dos lneas paralelas a la lnea de
tendencia a una distancia en vertical de la misma d por encima y por debajo.
d = A2 R
Lm ite Diagonal
Superior
Lmite Diagonal Inferior
Planes de muestreo
Mediante la aplicacin de criterios expuestos en el apartado de la Interpretacin del

grfico y actuacin sobre el proceso (puntos fuera de los lmites diagonales, puntos
consecutivos crecientes, decrecientes, etc.) se identifican las causas especiales que estn
actuando, definiendo la accin para eliminarlas.
A continuacin se definen lo que se denominan los lmites de cambio del proceso,

que indicarn cuando se debe llevar a cabo el cambio.
Para ello se siguen los siguientes pasos:
1. Clculo del Movimiento de la media.

Para ello y despus de asegurarnos que el proceso ha estado funcionando durante un
nmero de ciclos de cambio de herramienta en condiciones normales de trabajo (sin
puntos fuera de los lmites diagonales ni ningn tipo de pauta que indique
anormalidad en el proceso), se calcula para cada uno de estos ciclos el movimiento
de la media (M.M.) como:
MM = X mximo observado - X mnimo observado
Clculo del movimiento promedio de la media (MPM).

Se denomina movimiento promedio de la media (MPM) al valor medio de los
Movimientos de la Media en los distintos ciclos (en el caso de n ciclos).
MPM = (1 / n)(MM 1 ciclo) + [(MM 2 ciclo)+....+(MM n ciclo) ]

3. Clculo de los lmites de cambio del proceso
Para la media X:
LSCP = X + (1 / 2) MPM + A 2 R
LICP = X - (1 / 2) MPM - A 2 R
Siendo X y R los mismos conceptos que en un grfico X / R .

Para el recorrido R:
Iguales que los de un grfico ( X / R) convencional.

4. Una vez que el proceso esta en marcha, su mantenimiento y mejora se lleva a cabo
como sigue:
Grfico de medias.
a. Cuando el punto rebase los lmites de cambio del proceso, es necesario
cambiar la herramienta, aadir producto al bao electroltico, etc.
b. Basndose en los lmites diagonales, se analizar el grfico buscando causas
especiales que pudiesen estar actuando sobre el proceso.
c. Se buscar la mejora del proceso reduciendo en lo que se pueda el
movimiento promedio de la media.
Grfico de recorridos.
Planes de muestreo
a. La actuacin con el grfico de recorridos es igual a la realizada con un grfico

de medias-recorridos convencional.
( )
1.3.1.4. Grficos X ,S .
Estos grficos son similares a los X / R con la diferencia de que la dispersin del
proceso se mide por la desviacin tpica S del mismo en vez de por el recorrido R.
Estos grficos son menos frecuentes que los X , R por la mayor dificultad de clculo de
la desviacin tpica S que del recorrido R, siendo igual de eficientes para tamaos de muestra
pequeos.
Los pasos para su construccin coincide con los seguidos para los grficos X / R , con
las siguientes diferencias:
Se registran las medidas individuales y la desviacin tpica en lugar del recorrido.

(x ) + (x ) ( )
2 2 2
1 x 2 x +................ xn x
s2 =
n1
(Por lo general n= 4 o 5)
Desviacin tpica s = s2
Se calculan los lmites de control, como se indica.

Para X
LCS = X + A3 s
LCI = X A3 s
Para S
LCS = B4 s
LCI = B3 s
s1 + s2 + s3 +............... sn
en donde: s=
n
La estimacin de la desviacin tpica del proceso viene dada por:
e = s / c4
Siendo A1 , B3 , B4 y C 4 valores dependientes del tamao de muestra.
Tanto la interpretacin como el mantenimiento y mejora del proceso siguen lo
expresado para los grficos X / R.
Planes de muestreo
1.3.1.5. Grficos mediana y recorrido.
Estos grficos son similares a los X / R con la diferencia de que la tendencia central del
proceso se mide por la mediana de las muestras en vez de por la media de las mismas.
Estos grficos son menos frecuentes que los X / R por la menor exactitud en la
estimacin de la tendencia central del proceso a travs de la mediana que la lograda con la
media. Debido a esto los lmites de control en estos grficos son ms amplios con lo que
pueden existir causas especiales actuando sin ser denunciadas por el grfico.
Los pasos para la construccin de un grfico de control de medianas y recorridos son

similares a los seguidos para los grficos X / R , con las siguientes diferencias:
Se registran las medidas individuales y la mediana, en lugar de la media, utilizando,
siempre que sea posible, un tamao de muestra impar.
Se calculan los lmites de control, como se indica:
~ ~
LSC M = M + A2 R LIC M = M A2 R
LSC R = D4 R LIC R = D3 R
donde: M es la medida de las medianas, y R es la mediana de los recorridos.

~
A2 , D3 y D 4 son constantes cuyo valor vara segn el tamao de muestra.
Los valores de estas constantes estn reflejados en la tabla.
Tanto la interpretacin de los grficos como el mantenimiento y mejora del proceso,

siguen lo expresado para los grficos X / R.
1.3.1.6. Grficos X objetivo, R.
Los grficos X 0 / R son un nuevo concepto del CEP para trabajar en condiciones de
producciones en series muy cortas y sin embargo seguir manteniendo toda la potencia de los
grficos de control tradicionales. En ellos pueden perseguirse distintas piezas y distintas
caractersticas en un mismo grfico.
Consisten en una ligera variacin de los grficos tradicionales. El truco consiste en

codificar las mediciones reales obtenidas. Esta codificacin no es ni ms ni menos que el
asociar a cada medicin el valor de su desviacin respecto un objetivo que puede ser el valor
nominal de la especificacin o cualquier otro valor predefinido.
Estos valores codificados son los que se representan en el grfico. La lnea central del
grfico de objetivo, representa el valor objetivo para la pieza A. Cuando se elige otra pieza
distinta, B, para la fabricacin en el mismo proceso, codificaremos los nuevos datos y
seguiremos representndoles en el grfico a continuacin de los representativos en dos piezas
distintas por una lnea discontinua.
Planes de muestreo
Pieza A Pieza B
Sin embargo, la utilizacin de estos grficos est sometida a unas ciertas condiciones:
Todas las caractersticas que se introduzcan en un mismo grfico, han de tener un

valor similar en lo que respecta a la dispersin. (Recorridos medios).
El tamao de la muestra ha de ser constante.
Se deben recoger al menos diez muestras antes de calcular los lmites de control.
Para la construccin de un grfico de control X 0 / R se siguen los mismos pasos que

para los grficos X / R , excepto en que:
Se registran las siguientes medidas:
a. Grfico Xo .
En este grfico se representa en cada punto de control el valor resultante de
restar a la media de los valores reales obtenidos en la muestra, el valor objetivo.
xi = X / n
n = tamao de la muestra (constante)
x o i = Valor objetivo
El valor codificado a representar ser pues: xc i = xi x o i

b. Grfico R.
En este grfico se representa la diferencia entre el valor mayor y el menor de los
valores reales obtenidos en la muestra.
Ri = x min. - x max.
Se calculan las lneas centrales y lmites de control:
Grfico de medias.
x c1 + x c 2 + x c 3 +..............................+ x ck
x=
k
Planes de muestreo
Los lmites de control vienen dados por las expresiones:
LCS = X + A2 R
LCI = X A2 R
en donde A2 es un valor funcin del tamao de la muestra (Ver tabla 1),
apartado
Grfico de recorridos.
La lnea central es el denominado recorrido medio R.

R1 + R2 + R3 +............................+ Rk
R=
k
Los lmites de control vienen dados por las expresiones:
LCS = D4 R
LCI = D3 R
En donde D3 y D4 son dos valores funcin del tamao de la muestra.
Planes de muestreo
1.3.2. Grficos de control por atributos.
Ya hemos visto como los grficos de control por variables nos ayudan a estudiar las
causas que producen inutilidades durante el proceso y a evitarlas.
Estos grficos de control exigan que la caracterstica escogida para controlar el proceso
fuera mensurable. Sin embargo muchas veces es necesario controlar un proceso en que la
caracterstica escogida es no mensurable (una bombilla se enciende o bien, el color de un
elemento es el especificado o no, etc.) o bien, siendo mensurable, por abaratar costos de la
inspeccin, sta se realiza mediante calibres o tiles que transforman las medidas con
tolerancia de una pieza en aceptable o no aceptable (calibres pasa - no pasa).
Para estos casos se desarrollan los grficos de control por atributos. No obstante, hay
que saber cuantificar de una forma real dichos costos dado que la informacin que perdemos al
utilizarlos en grande, a menos que sea totalmente imposible el obtener datos de tipo variable.
Una excepcin a esta regla es cuando los datos histricos que disponemos sean de tipo
atributo. En este caso utilizaremos los grficos de atributos para analizarlos y decidir que
caractersticas vamos a controlar en el futuro con grficos de variables.
En general, los grficos de control por atributos son utilizados para la mejora de
proceso que producen un alto nmero de unidades defectuosas.
Aunque estos grficos son capaces de distinguir entre causas comunes y especiales,
tienen el inconveniente de no avisar si se van a producir cambios adversos en el proceso.
Avisan cuando ya se han introducido.
Vamos a distinguir dos grandes grupos de grficos de control por atributos segn
controlemos unidades defectuosas defectos.
a. Para unidades defectuosas:
Grfico de proporcin de unidades defectuosas (p)
Grfico de porcentaje de unidades defectuosas (100 p)
Grfico de nmero de unidades defectuosas (n p)
b. Para defectos:
Grfico de nmero de defectos por unidad (u)
Grfico de nmero de defectos por muestra(c)
Dentro de cada grupo, los grficos p, 100p y u difieren de los grficos n p y c en que los
primeros son grficos en los que el tamao de la muestra no es constante, y por ello se
estudian proporciones en funcin del tamao de la muestra para que la base de comparacin
sea la misma. Cuando el tamao de la muestra es constante no es necesario calcular
proporciones siendo vlidos los datos directos (grficos n p y c).
A la hora de elegir uno de los grficos anteriores, podemos utilizar el cuadro resumen
siguiente:
CARACTERSTICA A CONTROLAR
TAMAO DE MUESTRA ELEMENTOS DEFECTUOSOS DEFECTOS
CONSTANTE np c
VARIABLE p 100 p u
Planes de muestreo
1.3.2.1. Grficos para unidades defectuosas.
A. Grficos n p (nmero de unidades defectuosas).
De acuerdo con el cuadro anterior, este tipo de grfico se utiliza cuando queremos controlar
la evolucin a lo largo del tiempo de la produccin de unidades defectuosas y nos es posible
mantener un tamao de muestra constante.
Es necesario hacer la aclaracin de que si consideramos defecto a cualquier falta de

conformidad de la unidad producida con los requerimientos establecidos, consideramos
como unidad defectuosa a aquella que presenta una o ms defectos.
Es ms, este grfico nos permitir el controlar al mismo tiempo ms de un tipo de defecto.
Por ejemplo, en la verificacin de una cadena de fabricacin de bombillas, podemos
establecer como posibles defectos los siguientes:
a. No luce
b. Falta estaado
c. Unin casquillo / ampolla suelta
Consideramos unidad defectuosa a cualquiera que tenga un defecto de los tipos anteriores o
una combinacin cualquiera de los mismos.
El problema por lo tanto consistir en coger muestras de tamao n y separar las unidades
de dicha muestra en defectuosas y no defectuosas. Cuando el proceso est bajo control se
va a cumplir que:
La proporcin de elementos defectuosos fabricados a la que denominaremos p, se va
a mantener constante con el tiempo.
La produccin de una unidad defectuosa en un momento dado es independiente de
que las unidades anteriores hayan sido defectuosas o no.
En las condiciones anteriores el nmero de unidades defectuosas en la muestra de tamao
n sigue una distribucin binominal cuyos parmetros son:
x = np
2 = np(1 p)
Para unas condiciones determinadas de los valores n y p (tamao de muestra grande, y

proporcin de unidades defectuosas p no prxima ni a 1 ni a 0), que podemos generalizar
como:
np > 5
La distribucin binomial puede ser sustituida por una distribucin normal de mismos
parmetros que la binomial. El tipo de grfico a utilizar es similar al de variables, como se
ve en la figura.
Planes de muestreo
Construccin del grfico.
Tamao de muestra.
Para que estos grficos nos sirvan de ayuda, es necesario que en cada muestra
escogida exista algn elemento defectuoso. Esto nos va a influir en el tamao de
muestra a elegir porque cuanto mayor sea el nivel de calidad sern necesarias
muestras de mayor tamao para que se cumpla lo anterior.
En general, se requieren tamaos de muestra muy grandes, del orden de 50 a 200.

Ya hemos dicho que lo ideal es que se cumpla la desigualdad n p > 5. Por lo tanto,
para una proporcin media de unidades defectuosas, podemos estimar el valor de n
que cumpla la desigualdad anterior.
Intervalo de toma de muestra.
Al igual que en los grficos de control por variables, las muestras deben cogerse con
unos intervalos entre ellas que nos garanticen que stas van a ser representativas de
la poblacin que pretendemos estudiar.
Por una parte intervalos muy cortos en donde no ha existido oportunidad de actuar
cambios sobre el proceso, no nos garantizan una mayor informacin sobre el mismo.
Si por el contrario con una idea de economa, el intervalo entre tomas de muestras es
muy dilatado, lo ms probable es que nos pasen desapercibidas las causas especiales
que estn actuando sobre l.
En general, los puntos bsicos a tener en cuenta son:

No establecer tomas de muestra en periodos que la experiencia nos garantice
continuidad en el proceso.
Establecer tomas de muestra siempre que exista posibilidad de cambio en el
proceso como por ejemplo:
Cambio de turnos.
Relevo de operarios.
Cambio de la materia prima.
Cambio de herramienta.
Parada y arranque de la maquina, etc.
No obstante, durante el estudio inicial del proceso la toma de muestras se debe hacer a
intervalos mas cortos que durante la fase de mantenimiento o control del mismo, para
poder detectar la posible inestabilidad.
Nmero de muestras por periodo.
El periodo de recogida de muestras debe ser lo suficientemente largo como para

recoger todas las posibles causas de variabilidad que actan sobre el proceso,
considerndose una prueba satisfactoria de estabilidad 20 tomas de muestras.
Registros de datos.
Los resultados de las observaciones, que sern siempre el nmero de no

conformidades en la muestra, se registran en un impreso que facilita la interpretacin
del grfico.
Planes de muestreo
En este impreso existe una parte para la construccin del grfico y otra parte destinada
al registro de datos.
Cada registro debe llevar anotado el momento de toma de la muestra con objeto de
facilitar la investigacin posterior. Adems, el impreso debe llevar una zona donde se
anoten los elementos no habituales que afecten al proceso.
Clculo de la proporcin de unidades no conformes p.

Para cada muestra hay que registrar el nmero de unidades inspeccionadas n, y el
nmero de unidades no conformes np, calculando a continuacin la proporcin de no
conformes.
np
p=
n
Alternativamente, tambin se pueden utilizar datos histricos para el clculo de la
proporcin de no conformes.
Clculo de la proporcin media de no conformes p .

np1 + np2 +....+ np k
p=
n1 + n2 +.... n k
donde np1 , np2 ,...., npk son el nmero de no conformidades observadas en cada muestra y
n1 , n2 ,...., n k el nmero de unidades inspeccionadas en cada muestra.
Clculo de los lmites de control.
Se asume que, si un proceso donde se estn controlando variables discretas o atributos

es estable, la proporcin de no conformes se distribuye segn la distribucin binomial
(similar a la normal y en forma de campana).
Si un proceso es estable con una proporcin de no conformes p, el 99,73% de los puntos
muestrales estarn comprendidos entre p y ms/menos tres desviaciones tpicas. De
esta forma, por clculos estadsticos que relacionan la desviacin tpica con los valores
p y n, se definen los lmites de control superior e inferior:
LSCp = p + 3 p(1 p) / n LICp = p 3 p(1 p) / n
Trazado de las medias y de los lmites de control.
A continuacin se traza, en el grfico, la media de la proporcin de no conformes p con

una lnea horizontal continua y los lmites de control se identifican mediante lneas
horizontales discontinuas.
Planes de muestreo
Planes de muestreo
Anlisis del grfico.
La interpretacin de los grficos de control por atributos sigue las mismas reglas que la de
los grficos de control por variables, en lo referente a:
Los puntos fuera de control.
Los tramos o rachas.
L as pautas o series no fortuitas.
La s acciones a tomar, ante las seales emitidas por el grfico de control, son las
siguientes:
1. Puntos fuera de los lmites de control.
Cuando es por encima del lmite de control superior, (a) son seal de que el nmero
medio de unidades defectuosas en el proceso ha aumentado. Es necesario detectar la
causa especial que lo ha provocado y tomar accin correctora para evitar que se
repita.
Sin embargo, cuando existiendo el lmite de control inferior, los puntos se encuentran por
debajo de este, (b) aun existiendo una causa especial actuando sobre el proceso, el
efecto es beneficioso, (disminucin del nmero medio de unidades defectuosas) por lo
que es necesario detectar la causa que lo produce para intentar reproducirla.
(a)
L.C.S.
np
L.C.I.
(b)
2. Tramos dentro de los lmites de control.

Siete puntos consecutivos a un lado mismo lado de la media por encima o por
debajo.
Siete puntos consecutivos en una lnea constantemente creciente o decreciente.
Si el tramo es creciente o por encima de la media es seal de que aunque el proceso
no est fuera de control estadstico, estn actuando causas que hacen aumentar el
nmero medio de unidades defectuosas por lo que es necesario detectarlas y tomar
accin correctora.
Si el tramo es decreciente o est por debajo de la media, es seal de que estn
actuando causas que hacen disminuir el nmero medio de unidades defectuosas. Dado
que esto nos interesa puesto que es una mejora del proceso, es necesario detectar
estas causas e intentar repertirlas como parte normal del proceso.
Planes de muestreo
B. Grficos p (proporcin de unidades defectuosas)
Este grfico es idntico al grfico n p con la diferencia de que es utilizado cuando por
condiciones de produccin o de cualquier otro tipo, el nmero de unidades de la muestra no
puede ser constante. En este caso y para tener una base de comparacin, el parmetro que
se calcula y controla su evolucin es en vez del nmero de unidades defectuosas n p, la
proporcin de unidades defectuosas en cada muestra p.
N unidades defectuosas en la muestra
p=
N unidades inspeccionadas
Todo el desarrollo de los grficos p es idntico a los n p salvo en lo siguiente:
El tamao de la muestra no tiene por qu ser constante, aunque es de desear que las
variaciones entre los distintos tamaos de muestra no sean superiores al 25-30%.
En el grfico de atributos se calcular para cada muestra el valor de p como cociente

entre los valores piezas defectuosas y piezas inspeccionadas y se calcular la Proporcin
media de unidades no conformes como:
np1 + np2 + np3 +................ npm
p=
n1 + n2 + n3 +............... nm
Siendo:
np1, np2, np3,....npm el nmero de unidades defectuosas en las muestras 1, 2, 3,
........, m.
n1, n2, n3, .....nm el tamao de las muestras 1, 2, 3, .....m.
Se calcularn los lmites de control como:
[ ( ) ]
1/ 2
LCS = p + 3 p 1 p / n
LCS = p 3 [ p (1 p) / n]
1/ 2
Siendo n = (n 1 + n 2 + n 3 +.......... n m ) / m (tamao medio de muestra).
Planes de muestreo
C. Grficos 100p (Porcentaje de unidades defectuosas)
Este grfico es idntico al grfico p con la diferencia de que la proporcin de unidades

defectuosas se expresa en tanto por ciento en lugar de tanto por uno. En este caso el
parmetro que se calcula y controla la evolucin, es el porcentaje de unidades defectuosas
en cada muestra 100p.
N de unidades defectuosas en la muestra
100 p = x100
N unidades inspeccionadas
Todo el desarrollo de los grficos 100p es idntico a los p salvo en lo siguiente:
En el grfico de atributos se calcular para cada muestra el valor de 100p como cociente
entre los valores de piezas defectuosas y piezas inspeccionadas multiplicndose el valor
obtenido por 100.
Se calcular el porcentaje medio de unidades no conformes como:

np1 + np2 + np 3 +........ npm
100 p = x100
n1 + n2 + n3 +........... nm
Siendo:
n pi el nmero de unidades defectuosas en la muestra i.
ni el tamao de las muestras i.
Se calcularn los lmites de control como:
[ ( ) ]
1/ 2
LCS = 100 p + 3 100 p 100 100 p / n
LCI = 100 p 3 [100 p (100 100 p) / n]

1/ 2
Siendo n = (n 1 + n 2 + n 3 +.......... n m ) / m (tamao medio de muestra)
Planes de muestreo
1.3.2.2. Grficos para defectos.
Ya hemos visto como con los grficos para unidades defectuosas, controlbamos los
defectos en unidades o piezas, siendo la base de los grficos las propias unidades defectuosas.
Pero a menudo en la industria, nos encontramos con defectos que no van asociados a
unidades o piezas, sino que aparecen en una produccin continua como por ejemplo telas,
rollos de cable elctrico, tuberas de plstico, etc., y en donde el parmetro a controlar es el
nmero de defectos por unidad de longitud, rea, etc.
En otros casos nos encontramos con productos cuyo control an yendo asociado a
unidades, son tan complejas y por lo tanto la probabilidad de aparecer un defecto es tan
grande, que si utilizamos grficos p, o n p, el nmero de unidades defectuosas o su proporcin
seran tan prximas a la unidad, que la informacin que obtendramos sera casi nula.
En estos casos utilizaremos grficos de control por nmero de defectos.
El problema por lo tanto consistir en coger muestras de tamao n y contar el nmero

de defectos encontrados en dicha muestra. Cuando el proceso est bajo control se va a
cumplir que:
El nmero medio de defectos por unidad a la que denominaremos d se va a

mantener constante con el tiempo.
La produccin de un defecto en un momento dado es independiente de que se hayan
producido defectos con anterioridad o no.
En las condiciones anteriores, el nmero de defectos en la muestra de tamao n sigue

una distribucin de Poisson cuyos parmetros son:
x= d
2 = d
Para unas condiciones determinadas del valor d, que podemos generalizar como:
d > 5
La distribucin de Poisson puede ser sustituida por una distribucin normal con los
mismo parmetros que la de Poisson.
Planes de muestreo
A. Grficos c (Nmero de defectos por muestra).
Cuando el tamao de muestra es constante, el grfico utilizado para controlar nmero de

defectos es el grfico c, denominado Grfico de nmero de defectos por muestra.
Todo el desarrollo de este tipo de grfico es idntico al ya visto n p, por lo que nos
limitaremos a establecer los puntos que son diferentes:
Se registran en la casilla total de defectos del grfico por atributos el nmero de

defectos encontrados en cada muestra que ha de ser de tamao constante (nmero
de unidades, metros cuadrados de tela, metros de tubera, etc.).
Se calcula el nmero medio de defectos c como:
c = ( c 1 + c 2 + c 3 +......c m ) / m
Siendo c1, c2, c3, ...cm. el nmero de defectos de las muestras 1, 2, 3, ...m.
Se calculan los lmites de control como:

[]
1/ 2
LCS = c + 3 c
LCI = c 3 [c]
1/ 2
B. Grficos u (Nmero de defectos por unidad).
Cuando el tamao de muestra no puede ser constante, el grfico utilizado para controlar
nmero de defectos es el grfico u, denominado Grfico de nmero de defectos por
unidad.
Todo el desarrollo de este tipo de grfico es idntico al ya visto p, por lo que nos
limitaremos a establecer los puntos que son diferentes:
Se registra en la casilla (C) total de defectos del grfico por atributos el nmero de
defectos encontrados en cada muestra, calculndose a continuacin el valor del
nmero de defectos por unidad u, realizando el cociente entre el valor de la casilla
(C) y el de la casilla (A) piezas inspeccionadas, anotndose el resultado en la casilla
(C/A).
Se calcula el nmero medio de defectos por unidad u como:
u=
( c1 + c 2 + c 3 +.....c m )
n1 + n2 + n3 +..... nm
Siendo:
c1, c2, c3, ...cm. el Nmero de defectos de las muestras 1, 2, 3, ..... m.
n1, n2, n3, ...nm el tamao de las muestras 1, 2, 3, ....m.
Se calculan los lmites de Control como:
[ ]
1/ 2
LCS = u + 3 u / n
LCI = u 3 [u / n]
1/ 2
Planes de muestreo
El que un proceso se encuentre en estado de control estadstico significa que sobre el

mismo slo actan causas comunes y que por lo tanto su variabilidad est acotada y es
predecible.
Sin embargo esto no significa necesariamente que el producto obtenido de dicho

proceso se ajuste a las especificaciones tcnicas a las que est sujeto, es decir, que el nivel de
la variacin debida a causas comunes puede ser aceptable o no.
Esta decisin no se toma con la utilizacin de los grficos de control, sino que se hace
utilizando los ndices de capacidad del proceso, lo cual compete al segundo aspecto del Control
Estadstico de Procesos, denominado capacidad de procesos.
Se denomina capacidad de un proceso a una medida del buen comportamiento del

mismo una vez que todas las causas especiales de variacin han sido eliminadas comparando
la variabilidad o tolerancia natural del proceso con la mxima variabilidad permitida por las
especificaciones de ingeniera. Si mediante esta comparacin, se demuestra que los elementos
a que da lugar el proceso caen en un porcentaje mnimo determinado dentro de la
especificacin, diremos que el proceso es capaz.
Si especificamos que un proceso es capaz ser necesario informar al mismo tiempo qu

porcentaje de elementos deben caer dentro de las especificaciones para que lo consideremos
as. Por ejemplo, hay organizaciones que consideran que un proceso es capaz cuando el
porcentaje de elementos que caen dentro de los lmites especificados son iguales o superiores
al 99.7%. Sin embargo hay otras que ese 0.3% de elementos fuera de especificacin no lo
consideran admisible y consideran al proceso capaz cuando el porcentaje mnimo de elementos
dentro de especificacin es de 99.994%.
Esta comparacin podra hacerse de varias maneras distintas, sin embargo la

metodologa ms extendida es la de los ndices de capacidad, y por lo tanto es la que
desarrollaremos. El estudio de la capacidad en este caso se realiza mediante el clculo del
ndice de capacidad apropiado y su comparacin con un valor mnimo especificado. Si el valor
estimado del ndice es mayor o igual que el valor mnimo especificado, diremos que el proceso
es capaz y que no lo es en el resto de los casos.
1.4.1. Definiciones.
Capacidad.
Es un parmetro que relaciona el rendimiento real de una mquina o proceso con su

rendimiento especificado para un producto y caracterstica en particular.
Lmite de especificacin superior (LSE).
Es el valor superior de la variabilidad admitida en una caracterstica de un producto por los

planos o especificaciones del mismo.
Lmite de especificacin inferior (LSI).
Es el valor inferior de la variabilidad admitida en una caracterstica de un producto por los

planos o especificaciones.
ndices de capacidad de proceso.
Planes de muestreo
Son el medio utilizado para tener una indicacin de la variabilidad de un proceso a largo
plazo en relacin con las tolerancias especificadas.
Planes de muestreo
1.4.2. ndices de capacidad.
Control por variables.
1. ndices de capacidad de proceso.
En el caso de variables en procesos en los que se considera la distribucin normal, la

capacidad de proceso se evala comparando la variabilidad del proceso con los lmites
de la especificacin.
Una vez que se tienen calculados los lmites de control, el siguiente paso es
compararlos con las especificaciones. Esta comparacin se realiza mediante el clculo
del ndice de capacidad de proceso (Cp). En este clculo se pueden dar los
siguientes casos:
Existen los lmites de especificacin inferior (LIE) y superior (LSE).

LSE LIE
Cp =
6s
Existe un lmite superior o inferior de especificacin y un valor nominal.
LSE Nominal Nominal LIE
Cp = Cp =
3s 3s
Slo existe el lmite superior o inferior de especificacin.
LSE X X LIE
Cp = Cp =
3s 3s
Un proceso con un ndice de capacidad Cp<1 no se considera aceptable. El criterio

ms ampliamente utilizado es considerar el proceso aceptable, slo cuando Cp 1,5.
Si Cp 1,5 se deben tomar acciones apropiadas para reducir la variacin inherente, ya

que el proceso no producir de forma consistente productos que cumplan con los
requisitos.
2. Analizar el ajuste o tendencia central.
Esta comparacin se hace mediante el clculo del ndice de capacidad Cpk y se calcula
como el valor mnimo de las expresiones:
LSE - X X LIE
Cpk = mn ,
3 3
El valor obtenido para que el proceso sea aceptable es que Cpk 1.
3. ndices de capacidad de mquina.
Para aquellos procesos en que se considera la distribucin normal la capacidad de

mquina es una medida de las fluctuaciones que ella, por si sola, produce en la
variabilidad del producto.
Planes de muestreo
Una vez que se tienen calculados los lmites de control el siguiente paso es compararlos
con los especificados, calculando:
El ndice de capacidad Cm que analiza la dispersin inherente a la mquina:
LSE LIE x LIE

Cm = ,
6s 36
El valor mnimo exigible a Cm es de 133.
El ndice de capacidad Cm que analiza el ajuste de la mquina o tendencia central y se
define como:
LSE - x x LIE
Cmk = min ,
36 36

Ha de conseguirse un valor 133.
Control por atributos.
En el caso de atributos la capacidad de proceso se evala comparando la media del proceso

con el criterio de aceptacin. Para ello, se siguen los siguientes pasos:
1. Definir la media del proceso que se considera aceptable a efectos de la homogeneidad
del proceso.
2. Cuando el proceso ya es estable, operar durante un periodo de tiempo determinado que
permita obtener informacin de las posibles causas de variacin que afectan al proceso.
3. Cuando se haya obtenido un mnimo de 2.000 datos individuales y sus grupos
representados grficamente y bajo control estadstico, utilizar estos datos para el clculo
de la media de proceso:
Numero total de no conformes
p=
Numero total de observaciones
4. Comparar el p calculado con el criterio de aceptacin:
Si el p calculado es menor que el valor definido en el criterio de aceptacin, el

proceso es capaz.
Si el p calculado es mayor que el valor definido en el criterio de aceptacin, el

proceso no es capaz. En este caso es necesario:
Implantar procedimientos que, al menos, mantengan el nivel actual de proporcin
de no conformes hasta que el proceso se pueda mejorar. Mientras tanto
establecer el control de producto que permita detectar lotes cuya proporcin de no
conformidades sea superior al criterio de aceptacin.
Estudiar el proceso, realizar las mejoras adecuadas y reevaluar la capacidad de
proceso.
Planes de muestreo
1.4.3. Conclusiones sobre los estudios de capacidad.
La diferencia bsica entre los estudios de capacidad de mquina y proceso es el tiempo.

En el estudio de capacidad de mquina, sta se calcula utilizando R que mide la variacin
inherente a los subgrupos.
Cuando existen tendencias o sesgos en el grfico X , las variaciones inherentes a los

grupos y la desviacin tpica calculada por el procedimiento convencional se aparta de la
calculada a partir de R tanto ms cuanto mayores sean las variaciones entre subgrupos.
As pues, cuando estas diferencias son significativas se debe tomar una decisin sobre
la viabilidad del proceso. Se puede conseguir un proceso capaz con frecuentes reajustes,
cambios de herramientas, etc. Si esto se debe hacer tan frecuentemente que altere el ritmo de
la produccin, el proceso debe considerarse incapaz.
Por otra parte, todo lo que se ha expuesto corresponde a estudios realizados sobre
datos distribuidos normalmente y trasladados al grfico probabilstico normal.
En ciertas situaciones especficas de anormalidad en la mquina por problemas de

desgaste u otras causas, los datos se agrupan segn distribuciones unilaterales que tienen su
tratamiento estadstico traducido al grfico probabilstico que se muestra al final del anexo de
grficos.
1.4.4. Consideraciones sobre la dispersin de los procesos.
Se hace evidente, a la vista de los clculos de capacidades de proceso, que la

variabilidad en sentido de mayor dispersin de los mismos es intrnsecamente mala para todo
tipo de proceso.
A mayor variabilidad, ms coste. De ah los esfuerzos que se estn prodigando en

industrias y servicios para reducir dicha variabilidad.
Existen dos razones fundamentales para intentar llevar esta variabilidad al mnimo. En
primer lugar la satisfaccin del cliente. Todo producto cuyos parmetros estn dentro de
especificaciones producen una completa satisfaccin en el cliente.
En la prctica no se puede llegar a esta situacin de variacin nula a lo largo de los

lmites de especificacin. La figura 2.5. muestra la situacin real en la que el grado de
satisfaccin real en la que el grado de satisfaccin ideal se conseguira en la situacin
objetivo y que se produce con una variabilidad parablica hacia los lmites de especificacin.
El profesor japons Genichi Taguchi ha desarrollado una teora difundida ya en USA y dems
pases desarrollados segn la cual la falta de calidad, en trminos monetarios, se mide segn
la funcin:
L (Prdidas)= K
2
que corresponde al modelo parablico de que antes se habl. Estas prdidas son las que cada
industria transfiere a la sociedad como consecuencia de admitir variabilidad ( )
2
en sus
procesos.
De aqu que el inters de todos los ejecutivos de las empresas, en el momento actual,
se centre en la reduccin de la variabilidad de cualquiera de sus procesos industriales,
administrativos, financieras, etc.
Planes de muestreo
En resumen la variabilidad sobre el objetivo es intrnsecamente mala y, al crecer,

produce insatisfaccin al cliente (an sin desbordar las tolerancias) y prdidas a la sociedad.
En segundo lugar la variacin no estudiada o controlada dificulta el adecuado estudio de

tolerancias y a medida que aquella crece lo hace el desperdicio y reprocesos en las industrias
disminuyendo su competitividad.
De ah que el nico mtodo de pleno xito para eliminar la defectuosidad inherente o

transferida es disear productos y procesos de forma que los parmetros que los definen se
aproximen lo ms posible al objetivo de diseo. No hay otra forma de conseguir el autntico
cero defectos con lo que ello lleva aparejando de ahorro de tiempo, eliminacin de
desperdicios y, ante todo, plena satisfaccin del cliente.
Las figuras muestran la evolucin del ndice Cp y Cpk a medida que los conceptos
anteriormente citados se han puesto en evidencia y el avance tecnolgico ha permitido, en el
concepto de Calidad Total (aplicable a cualquier tipo de proceso o producto), alcanzar los
valores que en dicha figura se expresan.
Para llegar a estas situaciones no ideales, sino plenamente conseguibles, han tenido
que desarrollarse una serie de herramientas estadsticas sin las cuales no se hubieran podido
medir ni la variabilidad, ni los factores e interrelaciones entre los mismos que inciden en
aquella. Estas herramientas quedan englobadas en las metodologas de Diseo de
Experimentos (D.O.E.) que podramos agrupar en tres categoras:
a) Diseo de Experimentos clsicos desarrollados por medio del anlisis de varianza
(ANOVA).
b) Diseos de G.Taguchi, que sin ser matemticamente ortodoxos, llegan a

conclusiones ampliamente experimentadas, reduciendo drsticamente la compilacin
de los incluidos en el apartado a).
Planes de muestreo
c) Diseos de D. Shainin, metodologa simple, lgica y ortodoxa que est teniendo un

amplio campo de difusin en las empresas americanas.
Planes de muestreo
Planes de muestreo
1.5. Precontrol.
El precontrol es un sistema desarrollado para completar o sustituir, en mltiples

aplicaciones, a los grficos de control. Entre sus ventajas puede citarse que es aplicable tanto
a variables como a atributos.
El sistema se basa en el cumplimiento por parte de los procesos de produccin de la

distribucin normal para detectar cambios respecto al valor central.
Se trata, como puede observarse en la figura, de dividir el campo de tolerancia en 4

partes iguales trazando las lneas de precontrol a las distancias de y respecto al lmite
inferior de especificacin.
Por el clculo de la reas subtendidas por la distribucin normal puede demostrarse

fcilmente que el rea subtendida por dicha distribucin y los lmites PC (precontrol) es el 86%
del rea total, lo que lleva a la conclusin de que las reas de la distribucin comprendidas
entre dichos lmites y las tolerancias representan un 7% en cada cola de dicha distribucin.
Hablar de un 7% en cada cola de la distribucin es equivalente, es decir, que 1 de cada

14 (aprox.) piezas, estar fuera de los lmites PC. Por tanto la probabilidad de que dos piezas
seguidas estn fuera de dichos lmites es:
1 1 1
x =
14 14 196
lo que significa que, aproximadamente, una vez en cada 200 piezas cabe esperar que haya dos
piezas seguidas fuera de los lmites PC.
Se trata pues de un fenmeno raro que presupone que un efecto anormal se ha

producido en el proceso provocando su desplazamiento. Naturalmente el hecho comentado
supone que las dos piezas han aparecido al mismo lado de la distribucin.
Caso de que las dos piezas seguidas desaparezcan en una y otra colas no habr
condicin de desplazamiento pero s de dispersin (aumento de ) con el peligro que ello
conlleva para la capacidad del proceso.
Planes de muestreo
1.5.1. Procedimiento de actuacin.
El procedimiento a seguir para implantar la tcnica de precontrol es el siguiente:

a. Localizar, como ya se ha expuesto, los lmites PC en el campo de las tolerancias
fijadas por ingeniera, con lo que se delimitan 3 zonas:
Zona verde entre los lmites PC.
Zona amarilla entre dichos lmites y los de tolerancia.
Zona roja fuera de los lmites de tolerancia.
b. Pa ra determinar la capacidad del proceso, se toma una muestra de 5 piezas cuyas
medidas deben estar comprendidas en la zona verde. En esa condicin el proceso
est en control. (Equivale a un Cp=2). La produccin, por tanto, puede comenzar,
pero siempre condicionada a la obtencin de que los valores de cinco piezas
seguidas, se encuentren en la zona verde.
c. Una vez en marcha la produccin, tomar una muestra de 2 unidades consecutivas
pudiendo producirse las siguientes situaciones:
1. Ambas unidades estn en la zona verde y la produccin continua.
2. Una unidad se encuentra en zona verde y otra en una de las dos zonas amarillas.
El proceso est, por el momento, en control y la produccin sigue.
3. Si ambas unidades caen en la zona amarilla al mismo lado de la lnea PC
(descentramiento) o en una y otra zona de dicha condicin (aumento de la
dispersin), el proceso debe pararse e investigarse las causas que han producido
la variabilidad.
4. Si al menos una da las piezas se encuentra en la zona roja (rechazo) es preciso
detener la produccin e investigar la causa del rechazo. Siempre que el proceso se
detenga (puntos 3 y 4) para ponerlo en marcha de nuevo es necesario que cinco
piezas consecutivas se encuentren en la zona verde, es decir, cumplir de nuevo al
punto b.
5. La frecuencia de muestreo se ha determinado, de forma experimental, como la
sexta parte del tiempo transcurrido entre dos paradas consecutivas por las causas
anteriormente indicadas.
Planes de muestreo
1.5.2. Potencia del sistema.
A travs del procedimiento expuesto y realizados los clculos adecuados, se llega a las
siguientes conclusiones:
Si la dispersin del proceso superara las tolerancias del mismo (CP 0,8) la tcnica
del precontrol es lo suficientemente sensible como para detener el proceso en un
99% de las ocasiones.
Cuando la dispersin del proceso es el 70% o menos del campo de tolerancias
(CP 1.33) la utilizacin del precontrol alcanza su nivel ptimo.
1.6. Ejemplos.
Ejemplo 1:
En un proceso de moldeo de piezas de plstico por inyeccin, se pretende implantar el SPC.

Para ello se elige como caracterstica significativa a controlar, la longitud de la pieza.
Se toman 25 muestras, cada una con 5 unidades, lo que hace un total de 125 unidades.
Se decide emplear un grfico de medias y recorridos. Los datos se representan en la

parte inferior del grfico y las medias y los recorridos se representan en la parte superior.
La media y el recorrido medio, son:
100,6 + 100,6 + 100,64+...+100,68 + 100,60

X= = 100,56mm
25
0,5 + 0,4 + 0,2+...+0,4 + 0,3

R= = 0,40mm
25
es decir, se suman las medias de cada subgrupo y se dividen por el nmero de subgrupos.
Los lmites de control son:
Para las medias, LSC X = X + A2 R = 100,56 + 0,58 0,40 = 100,79
LIC X = X A2 R = 100,56 0,58 0,40 = 100,33
Para los recorridos, LSCR = D4 R = 2,11 0,40 = 0,84
LICR = D3 R = 0 0,40 = 0,00
Planes de muestreo
Al representar los datos, se observa que existe un punto fuera de los lmites de las
medias y dos puntos fuera en el Grfico de Recorridos, lo que indica la actuacin especiales de
variacin.
Una vez identificadas y solucionadas las causas especiales que actan en esos puntos
se recalculan, siguiendo el mismo proceso anterior, y sin tener en consideracin los puntos
fuera de lmites de ambos grficos, los nuevos lmites de control.
La media y el recorrido medio son:
100,6 + 100,6 + 100,64+...+100,68 + 100,60

X= = 100,58
22
0,5 + 0,4 + 0,5+...+0,4 + 0,3

R= = 0,33
22
Los nuevos lmites de control son:
Para las medias, LSC X = 100,58 + 0,58 0,33 = 100,77
LICX = 100,58 0,58 0,33 = 100,39
Para los recorridos, LSCR = 2,11 0,33 = 0,70

LICR = 0 0,33 = 0,00
De esta forma se obtiene el grfico de la figura en el que se han eliminado las causas
que originaron los puntos fuera de los lmites de control. En l se observa que el proceso est
bajo control, con unos lmites ms estrechos que antes.
Ahora ya se puede calcular la capacidad de proceso. Los lmites de especificacin

superior e inferior) establecidos para este proceso, son:
LSE = 101,5 LIE = 100,0
Planes de muestreo
LSE LIE
Cp =
6
R 0,33 , 100
1015
= = = 0,14 Cp = = 1,79
d 2 2,33 6 0,14
Como Cp>1,5, el proceso tiene la capacidad adecuada y puede producir

consistentemente productos dentro de las especificaciones.
Ejemplo 2:
Utilizando las 30 observaciones de la muestra X1, se pide, asumiendo que el proceso

subyacente es estable:
a. Calcular los lmites de control de la grfico R.
b. Calcular los lmites de control de la grfico I.
c. Determinar la desviacin estndar del proceso.
d. Dibujar las grficos de control con los 30 subgrupos y determinar si el proceso es

estable.
Planes de muestreo
RESOLUCIN
Como paso previo, se realiza el clculo de las medias mviles y de las medias generales:
a. Calcular los lmites de control de la grfica R.
Ri
LC R = R = = 6.28
29
LCS R = D4 R = 3.268 6.28 = 20.51
LCS R = D3 R = 0 6.28 = 0
b. Calcular los lmites de control de la grfica X.
Planes de muestreo
xi
LC1 = X = = 59.27
30
LCS1 = X + E 2 R = 59.27 + 2.66 6.28 = 75.96
LCI1 = X + E 2 R = 59.27 + 2.66 6.28 = 42.57
c. Determinar la desviacin estndar del proceso.
R LCS1 X
= = 6.28 / 1128
. = 5.57 o =
d2 3
d. Dibujar las grficos de control con los 30 subgrupos y determinar si el proceso es

estable.
Planes de muestreo
Ejemplo 3:
Utilizando las 16 observaciones siguientes, se pide, asumiendo que el proceso subyacente

es estable:
a. Calcular los lmites de control del grfico p (n defectos por muestra)
b. Dibujar los grficos de control con los subgrupos.
RESOLUCIN
Como paso previo, se realiza el clculo de la medias:
a. Calcular los lmites de control del grfico p.
Planes de muestreo
b. Dibujar los grficos de control con los 16 subgrupos.
GRFICO p
Planes de muestreo
2. Planes de muestreo.

2.5.1. Planes de muestreo por variables.
Para conocer si un lote formado por un determinado nmero de unidades cumple las
especificaciones, existen dos posibilidades:
Inspeccionar todas las unidades del lote.
Inspeccionar slo una muestra representativa del lote e inferir,
estadsticamente, la homogeneidad de todo el lote.
La primera posibilidad, inspeccin del 100%, es la nica que permite conocer el

nmero exacto de unidades defectuosas que contiene el lote. Sin embargo, este tipo de
inspeccin tiene limitaciones:
Es un procedimiento costoso. Cada unidad debe ser inspeccionada individualmente.
La propia manipulacin produce daos, aumentando el nmero de unidades
defectuosas.
No es efectiva al 100%. En los casos donde el nmero de defectos del lote es bajo,
la monotona por la repetitividad del trabajo, unido a los errores propios de los
inspectores, hacen que unidades defectuosas pasen como unidades buenas. De
hecho se han realizado estudios que han revelado que incluso un 300% de
inspeccin detecta el 97% de los defectos.
Si, por el contrario, el nmero de unidades defectuosas en el lote es alto, la falta de
tiempo para la inspeccin, o la utilizacin no adecuada de los instrumentos de
medida, hace que se acepten unidades defectuosas.
No es aplicable la inspeccin del 100% si la inspeccin para conocer las
caractersticas de la pieza exige realizar ensayos destructivos.
La segunda posibilidad, el muestreo estadstico, implica riesgos basados en que la

homogeneidad del lote se infiere de los resultados de una muestra, pero presenta la ventaja
de eliminar las limitaciones de la inspeccin 100% especialmente en lo relativo al coste de la
inspeccin en el caso de ser necesarios los ensayos destructivos.
El principio de aplicacin de los planes de muestreo, parte de la base de estructurar

debidamente: el tamao de la muestra y el criterio de aceptacin de acuerdo con los
riesgos de inferencia estadstica que queramos asumir.
En general podemos afirmar que las tcnicas de aceptacin por muestreo son las ms
ampliamente utilizadas, en todo tipo de empresas, para determinar la calidad de un lote.
Planes de muestreo
Los planes de muestreo estn estructurados con el objeto de garantizar la fiabilidad de

los procedimientos de inspeccin, el buen manejo de los lotes, el correcto levantamiento de
muestras y la aplicacin de criterios de aceptacin objetivos, siempre con la consideracin de
incurrir en costes asumibles.
a. Los datos del muestreo.
El muestreo queda caracterizado por: el tamao del lote (N), el tamao de la

muestra (n) y las condiciones de seleccin o levantamiento.
El tamao de la muestra (n) requiere un compromiso. Debe ser lo suficientemente
grande para que sea representativa de la homogeneidad del tamao del lote (N) y lo
suficientemente pequea para minimizar los costes de inspeccin. Las tablas de muestreo que
veremos ms adelante tratan de resolver el compromiso entre economa y representatividad.
Cuanto menor sea el tamao del lote (N) menor ser la muestra, de tal modo que
vara poco el porcentaje defectuoso del lote despus de extraer la muestra del lote. La
proporcin en que aumenta el tamao de la muestra es mucho menor que la proporcin
en que aumenta el tamao del lote.
Respecto a las condiciones de seleccin o levantamiento, las unidades deben ser

homogneas de un tipo nico, grado, clase, tamao, composicin, fabricadas bajo las
mismas condiciones esenciales y al mismo tiempo.
Las tablas de muestreo indican tambin cmo hay que seleccionar la muestra, es decir,
las condiciones de seleccin.
b. La inspeccin.
La inspeccin consiste en que una o varias unidades de producto son seleccionadas al

azar entre las que salen del proceso de produccin y son examinadas en una o varias
de sus caractersticas respecto a las especificaciones exigidas.
El objeto de la inspeccin es determinar el nmero de defectos y el tipo de defectos

observados.
Hay dos mtodos de inspeccin para evaluar caractersticas de calidad que son:
Inspeccin por atributos.
Es aqulla en la cual bien la unidad de producto o bien sus caractersticas, son

clasificadas simplemente como defectivas o no defectivas, o se toma en cuenta el
nmero de defectos de la unidad de producto con relacin a un requisito especfico.
Un defectivo es una unidad de producto que tiene uno o ms defectos. En la

inspeccin de atributos, las unidades de productos se consideran sobre la base de
pasa o no pasa, defectivo o no defectivo, dentro o fuera de tolerancia, correcto
o incorrecto, completo o incompleto.
La clasificacin de los defectos de acuerdo a un orden de importancia o gravedad es:
Crtico, es aquel que afecta a una caracterstica crtica de la pieza o material, de

tal manera que probablemente la pieza o el material no pueda satisfacer las
necesidades para las que fue diseado.
Planes de muestreo
Mayor, es el que, a diferencia del crtico, probablemente acabe en fallo, o reduzca

materialmente la capacidad de uso de la unidad de producto para un propsito
determinado.
Menor, es una desviacin de los estndares establecidos que no tiene gran

incidencia en el uso efectivo de la unidad de producto.
Inspeccin por variables.
Es aqulla en que ciertas caractersticas de calidad de la unidad de producto se

evalan con respecto a una escala numrica continua, y se expresan como puntos
concretos a lo largo de esa escala. La inspeccin de variables registra el grado de
conformidad o no-conformidad de la unidad a los requisitos especficos, para las
caractersticas de calidad indicadas.
c. Los ndices de calidad del muestreo
Los ndices de calidad, expresados generalmente en porcentaje de unidades

defectuosas, expresan los niveles de calidad, objetivo a conseguir en la inspeccin
(grado de conformidad con los requisitos establecidos) y tienen influencia en la
determinacin de la severidad de los criterios de aceptacin o rechazo.
Cada uno de los ndices utilizados sirve para un propsito diferente, siendo los ms
comunes:
El AQL (Average Quality Limit o Nivel de calidad aceptable).
Es el porcentaje mximo de unidades defectuosas en un lote que, a efectos del

muestreo, se puede considerar asumible como media del proceso, por lo que debe
tener una probabilidad de aceptacin alta.
En un plan de muestreo el riesgo del fabricante debe ser bajo de forma que la
probabilidad de rechazar un lote, con un nivel de calidad mejor que el AQL sea
tambin baja.
El LTPD (Lot Tolerance Percent Defective o Porcentaje de Unidades

Defectuosas Toleradas).
Es el porcentaje de unidades defectuosas toleradas en un lote que a efectos de

muestreo se considera insatisfactorio, por lo que debe tener una probabilidad de
aceptacin baja.
El AQL y el LTPD estn asociados a los planes de muestreo orientados a la proteccin de

la calidad de los lotes objeto de la inspeccin. Es decir, estn asociados al muestreo de
series continuas de lotes para proporcionar un nivel alto de seguridad de que los lotes
con nivel de calidad medio, igual o mejor que el AQL, van a ser aceptados.
Planes de muestreo
d. La disposicin del lote.
La disposicin del lote es el conjunto de reglas especificadas en los planes de muestreo

que establecen la decisin que se debe adoptar con los lotes una vez terminada la
inspeccin de las muestras.
Las tablas determinan el nmero de aceptacin (Ac) como el mximo de piezas

defectuosas que se pueden tolerar para aceptar un lote y el nmero de rechazo (Re)
como el mnimo de piezas defectuosas que pueden aparecer en una muestra para
rechazar el lote inspeccionado. Por regla general el nmero de rechazo es igual al
nmero de aceptacin ms uno.
e. La proteccin del plan de muestreo.
Se entiende como tal, el riesgo asociado a la actividad de inspeccin y que consiste en

aceptar lotes malos y rechazar lotes buenos.
En las tablas de muestreo cada plan lleva asociados unos valores determinados para
cada tipo de riesgo, que deben ser tenidos en cuenta a la hora de elegir un plan
determinado.
Dependiendo de las caractersticas del lote y el objetivo a conseguir con el plan de

muestreo se eligen los valores adecuados para los riesgos del muestreo que son:
El riesgo o el riesgo de rechazar un lote bueno. Tambin se llama riesgo del

fabricante, ya que el principal afectado por el hecho de que un plan de muestreo, de
acuerdo con los resultados observados en la muestra, rechace un lote cuya calidad
es buena, es el fabricante del lote.
En trminos probabilsticos, el riesgo es la probabilidad de que, mediante un plan

de muestreo determinado, no se acepte un lote con un nivel de calidad aceptable.
El riesgo o el riesgo de aceptar un lote malo. Tambin se llama riesgo del

comprador, ya que el principal afectado por el hecho de que un plan de muestreo,
de acuerdo con los resultados observados en la muestra, acepte un lote cuya calidad
es mala, es el comprador.
En trminos probabilsticos el riesgo es la probabilidad de que, mediante un plan

de muestreo determinado, se acepte un lote con un nivel de calidad no aceptable.
La probabilidad de aceptacin nos indica que, como trmino medio, de cada 100
veces que un lote se presente a inspeccin se aceptar Pa veces. Se puede
representar grficamente como sigue:
Planes de muestreo
La probabilidad de aceptacin tiene como mximo el 100%, que es el caso en que

se aceptar siempre el lote. La probabilidad de aceptacin, para un mismo plan de
muestreo, vara, dependiendo del 1% de defectuosos, dando como resultado las
curvas caractersticas.
Para comprender y utilizar correctamente los planes de aceptacin por muestreo es

preciso conocer varios trminos y smbolos, siendo la herramienta estadstica ms importante
su curva caracterstica.
La curva caracterstica de un plan de muestreo nos indica la probabilidad de aceptar

un lote en funcin del porcentaje defectuoso que realmente tiene el lote que se somete a
inspeccin.
Cuando el lote se somete a inspeccin desconocemos el porcentaje de defectuosos que

tiene el mismo, la curva caracterstica nos indica la probabilidad que tenemos de aceptarlo
suponiendo que tuviera un determinado porcentaje de defectuosos.
a. Construccin de la curva caracterstica.
Cada plan tiene su curva particular y por tanto familiarizarse con los distintos tipos de
curva es un requisito indispensable para calcular la proteccin que el plan proporciona.
Para representar la curva caracterstica se determina, para cada porcentaje de unidades

defectuosas tericas en el lote, la probabilidad que al realizar un muestreo de n
unidades aparezca un nmero de unidades defectuosas x igual o menor que el nmero
de aceptacin.
La curva caracterstica comienza con una probabilidad de aceptacin del 100% para un
defectuoso nulo, que va disminuyendo a medida que crece el porcentaje defectuoso.
La probabilidad de aceptacin se determina utilizando tres tipos de distribucin de

probabilidades: la hipergeomtrica, la binomial y la de Poisson, siendo sta ltima, por
su facilidad de clculo la ms recomendable de utilizar, si se cumplen las hiptesis
bsicas:
La proporcin p es menor o igual a 0,1.
El tamao de la muestra n es mayor o igual a 30.
El tamao del lote es al menos 10 veces el tamao de la muestra.
Planes de muestreo
La funcin de probabilidad de encontrar x unidades defectuosas en una muestra de

tamao n y con una proporcin de unidades defectuosas en el lote de p, en estas
condiciones es:
x np
x (np) e
p =
n x!
Para mayor facilidad, la probabilidad de x o menos ocurrencias, en un suceso cuyo

nmero de ocurrencias medio es np, se puede determinar directamente de las tablas de
distribucin de Poisson.
b. Forma de las curvas caractersticas.
Las figuras mostradas a continuacin muestran el efecto de los diferentes parmetros

del plan de muestreo en la forma de la curva caracterstica:
Si el nmero de aceptacin (c) es 0, la curva es exponencial (grfica a). En esta

figura podemos observar adems la escasa variacin en cuanto a proteccin
suministrada por el plan para diferentes tamaos de lotes, por ello en muchas
aplicaciones las curvas se determinan en funcin de n y c.
Si aumenta el tamao de la muestra (n), aumenta la pendiente de la curva (grfico

b). En la figura se observa que, fijados un AQL y , a medida que el tamao de la
muestra decrece la proteccin contra la mala calidad de los lotes tambin lo hace y
adems de forma significativa.
Planes de muestreo
Si aumenta el nmero de aceptacin (c), la curva se desplaza a la derecha (grfico

c). El efecto de cambiar la cifra de aceptacin c manteniendo constante el tamao de
la muestra hace que a medida que c crece, la probabilidad de aceptar un lote, para
un determinado porcentaje defectuoso crezca.
Si el tamao de la muestra se acerca al tamao del lote, la curva se acerca a la

curva caracterstica perfecta (grfico d).
Planes de muestreo
La curva caracterstica de un plan de muestreo lo identifica inequvocamente y ello es

de gran ayuda en la eleccin de un plan de muestreo adecuado a los riesgos y
que se desean asumir.
c. Anlisis de las curvas caractersticas.
1. Dado que el plan de muestreo (n, c) referido a un tamao de lote N, existe una sola
curva caracterstica que relaciona el % defectuoso de un lote con la probabilidad de
aceptarlo al aplicar dicho plan de muestreo.
2. Dado un plan de muestreo (n, c) la curva caracterstica puede considerarse la misma
aunque el tamao de lote vare ligeramente.
3. El mximo valor de la probabilidad de aceptacin Pa es 100 y corresponde a los lotes
que tienen un % de defectuosos igual a 0 o prximos.
4. El mnimo valor de la probabilidad de aceptacin Pa es 0 y se corresponde con %
defectuosos grandes.
5. Cuanto mayor sea el % de defectuoso, menor ser la posibilidad de aceptacin Pa.
6. Una vez establecido un plan de muestreo y, por lo tanto, la curva caracterstica,
podemos conocer la probabilidad de aceptar un lote que tuviera un determinado %
defectuoso.
7. La probabilidad de rechazo, nos indica el nmero de veces que, como trmino medio,
rechazaremos un lote, con un determinado % defectuoso por cada 100 veces que se
presente a inspeccin. La probabilidad de rechazo es complementaria al 100 de la
probabilidad de aceptacin.
d. Eleccin de la curva caracterstica.
La eleccin del plan de muestreo debe hacerse de forma tal que se compaginen las
necesidades del cliente y las posibilidades del proveedor.
Planes de muestreo
e. Valores ms representativos de la curva caracterstica.
Nivel de Calidad Aceptable (AQL o NCA): Es el mximo % defectuoso que

admite el cliente como promedio de los % defectuosos de los lotes que se reciban
de un proveedor.
Riesgo del proveedor ( ): es el riesgo de que el cliente rechace un lote que

tuviera un % defectuoso igual al NCA.
Calidad lmite (QL o CL): Es el mximo % defectuoso que puede admitirse en un

lote aislado. El cliente debe protegerse contra lotes aislados que tengan un %
defectuoso excesivo, por las razones siguientes:
Se tendrn trastornos en las lneas de montaje.
Se producirn desperdicios o reparaciones, no deseadas.
La mezcla con otros lotes correctos dar lugar a una calidad media deficiente.
Costes de revisin al 100% y costes adicionales de inspeccin.
Riesgo de sacar producto defectuoso al mercado.
Por estos motivos deber fijarse una Calidad Lmite tal que difcilmente puedan
aceptarse lotes con esta calidad.
Riesgo del cliente : Es la probabilidad o riesgo de que el cliente acepte un lote

que tenga un % defectuoso igual a la Calidad Lmite.
Zona de Incertidumbre: Es la zona en la que a veces se aceptar y otras se

rechazar el lote en funcin del % defectuoso. La amplitud de esa zona mide la
potencia del plan de muestreo. A una zona amplia le corresponden muestras
pequeas y por tanto controles baratos, pero el nivel de riesgo es alto. A una zona
estrecha corresponden muestras grandes, mayor coste y riesgos bajos. Lo ideal
sera reducir al mximo esta zona.
Existir un solo plan de pruebas y por tanto una nica curva una vez fijados los
requisitos:
NCA (nivel de calidad lmite).
(riesgo del fabricante).
CL (calidad lmite).
(riesgo del consumidor).
Planes de muestreo
f. Seguimiento evolutivo de la calidad obtenida.
La Calidad Media de Salida (AOQ) y el lmite de Calidad Media de Salida (AOQL) estn
asociados a los planes de muestreo asociados a la proteccin de la calidad media de las
unidades procedentes de varios lotes inspeccionados.
Es decir, estn asociados a proporcionar la seguridad de que la calidad media de todos

los lotes no ser peor que el AOQL, asumiendo que los lotes rechazados han sido
inspeccionados al 100% y han sido sustituidas las unidades defectuosas por otras sin
defecto.
A cada plan de muestreo le corresponde un valor determinado de AOQL. Podemos decir

que el valor del AOQL es el mximo % defectuoso que existir en nuestros almacenes
despus de haber sido inspeccionados los lotes a su recepcin, separadas las unidades
defectuosas de los lotes que se inspeccionan al 100% y repuestas por unidades
correctas.
Planes de muestreo
Muestreo simple: La aceptacin o rechazo, de un lote, se basa en los resultados de un

solo muestreo. Se emplea en:
Procesos que fsicamente no permiten una posterior toma de muestra en caso de ser
necesario.
Cuando los lotes tienen porcentajes de defectuosos prximos al AQL.
Los costes de inspeccin son ptimos.
Muestreo doble: Bajo ciertas circunstancias se toma una segunda muestra antes de
decidir la aceptacin del lote.
Es el muestreo ms ampliamente usado, siendo las razones principales para ello:

El tamao requerido de la primera muestra es menor que la del muestreo simple, por
tanto si el porcentaje de defectos o es muy bajo o es muy alto nos evitaremos realizar el
segundo muestreo.
El coste y complejidad de utilizacin son menores que en el muestreo mltiple.
Muestreo mltiple: La aceptacin o rechazo, de un lote, se basa en los resultados de

varias muestras tomadas del mismo lote. Se aplica en las ocasiones siguientes:
Si los costes administrativos se pueden reducir mediante sistemas informticos, el
muestreo mltiple puede proporcionar costes de inspeccin ms bajos que los
anteriores.
Si son aplicables los sistemas informticos se simplifica la administracin del muestreo.
La decisin de utilizar uno de los tres tipos de muestreo existentes debe ser
tomada en funcin de las condiciones especficas de la aplicacin.
Planes de muestreo
El nivel de inspeccin es una caracterstica de un plan de muestreo, elegida a priori, que

relaciona el tamao de la muestra con el tamao del lote.
Los niveles de inspeccin reflejados en la mayora de los planes de muestreo son:
riguroso, normal y reducido.
Los planes de muestreo permiten variar el nivel de inspeccin dependiendo de los

niveles de homogeneidad del lote. As, al comenzar la inspeccin de un producto del cual no se
tiene un histrico se aplica el nivel normal de inspeccin. Si al cabo de una serie de
inspecciones se observa que los resultados son mejores que la calidad especificada, se puede
reducir el nivel de inspeccin.
Los planes de muestreo reducidos no se ajustan a las curvas caractersticas de los

muestreos normales correspondientes. Su uso se justifica en criterios pragmticos y de coste y
en que se asume que sistemticamente se est por debajo de los niveles de unidades
defectuosas toleradas. En el momento que se detecta un empeoramiento de la calidad hay que
regresar a la aplicacin del nivel normal. El tamao de muestra es del orden del 40% del nivel
normal.
Si por el contrario el nivel de calidad de los lotes a inspeccionar es inferior que el

especificado se debe elegir un nivel riguroso. Este es similar al normal, pero se reduce el
nmero de unidades defectuosas aceptables para cada tamao de muestra.
Planes de muestreo
La forma de planear un plan de muestreo es muy diferente segn que las caractersticas
a estudiar sean atributos, donde la evaluacin se hace en trminos de aceptable o no
aceptable, o variables, donde el producto se evala segn una tabla de medida.
Por ello los planes de muestreo se dividen en dos tipos bsicos:
a. Planes por variables: En cada unidad la muestra se mide la caracterstica

observada. A continuacin se calculan las variables estadsticas muestrales
especificadas y se compara con el valor permitido definido en el plan, tomando la
decisin de aceptar o rechazar el lote.
b. Planes por atributos: Cada unidad de la muestra se clasifica como buena o mala. A
continuacin se compara el nmero de unidades malas con el nmero de aceptacin
y se toma la decisin de aceptar o rechazar el lote.
La tabla que figura a continuacin resume las caractersticas ms importantes de forma

comparativa:
Concepto Atributos Variables

Tipo de inspeccin Cada unidad se clasifica Se miden magnitudes
como defectuosa o
aceptable
Tamao de muestra Mayor que en muestreo Reducido
por variables
Hiptesis sobre la Binominal Se supone distribucin
distribucin Poisson normal
Nmero de Cualquiera Un plan de muestreo
caractersticas para cada caracterstica
a valorar
Tipo de informacin Nmero de unidades Informacin sobre la
defectuosas media y la variabilidad
Planes de muestreo
Otra forma de clasificar los planes de muestreo es en funcin del parmetro que tratan
de asegurar como objetivo:
a. Los Planes de AQL (Nivel de Calidad Aceptable): El objetivo de los planes de

muestreo basados en AQL es proporcionar una gran seguridad de que los lotes van a
ser aceptados, con un porcentaje de unidades defectuosas menor que el AQL
especificado. Se pretende que el riesgo del fabricante sea bajo, sin considerar el
riesgo del comprador.
Planes de muestreo
b. Los Planes de LPTD (Porcentaje de Unidades Defectuosas Toleradas): El

objetivo de los planes de muestreo basados en el LTPD es proporcionar una gran
seguridad de que se van a rechazar los lotes, cuyo porcentaje de unidades
defectuosas es mayor que el LTPD especificado. Se pretende mantener un riesgo
bajo de comprador sin considerar el riesgo del fabricante.
Las curvas caractersticas de estos planes proporcionan el mismo riesgo para cada
AQL.
Planes de muestreo
c. Los Planes de AOQL (Lmite de Calidad Media de Salida): El objetivo que

persiguen estos planes es el de asegurar a los fabricantes que la calidad media de
salida de los lotes (una vez inspeccionados los rechazados), no va a ser inferior a la
especificada por el AOQL.
Planes de muestreo
2.5.1. Planes de muestreo por variables.
Los planes de muestreo por variables se utilizan para tomar decisiones sobre un lote de
material en el que las especificaciones se expresan en forma de mediciones continuas.
Cada unidad de la muestra es medida y su valor registrado. Se calcula un ndice con

estos valores, se compara con el valor de referencia y se toma la decisin de aceptar o
rechazar el lote.
El tamao de muestra es ms pequeo que para los planes por atributos y adems
permiten cuantificar determinados aspectos y tomar decisiones adicionales a las de aceptacin
o rechazo.
As los planes de muestreo por variables se utilizan para controlar:
El nmero de unidades defectuosas.
Los parmetros de proceso.
Dentro de este tipo de planes podemos destacar el siguiente:
Military Standard MIL-STD-414.
Es un plan de muestreo basado en AQL. Se asume que las distribuciones de las

mediciones individuales siguen la distribucin normal.
Los criterios de aceptacin se basan en la variabilidad y en la localizacin de la

distribucin de las medidas individuales con relacin a los lmites especificados, que son
la desviacin tpica y la media.
Para la medida de la variabilidad pueden emplearse tres mtodos:
El mtodo (cuando se conoce la desviacin tpica del proceso).
El mtodo S.
El mtodo R.
Las tablas MIL-STD-414 se clasifican en funcin de la medida de la variabilidad utilizada

( , S o R), el tipo de especificacin (lmite sencillo o doble) y la forma (1 2).
Para elegir un plan determinado, entre los contenidos en las tablas, se deben seguir los
pasos siguientes:
1. Definir:
El tamao de lote.
El nivel de calidad aceptable (AQL)
El mtodo a utilizar ( , S o R).
Planes de muestreo
El nivel de inspeccin: normal, reducido o riguroso.
La forma (1 2).
2. A partir del tamao de lote y el nivel de inspeccin buscar en las tablas el nivel de
inspeccin (la letra de cdigo de la tabla). Los niveles de calidad III, IV y V
corresponden a inspeccin reducida, normal y rigurosa. Los niveles I y II son
especiales y requieren un tamao de muestra menor.
3. A partir de la letra de cdigo, el AQL, y el tipo de muestreo buscar de las tablas de

muestreo el tamao de la muestra y la constante de aceptacin K o M.
4. Tomar una muestra aleatoria de tamao n, medir la caracterstica a inspeccionar

para cada unidad de la muestra y calcular el parmetro estadstico requerido.
5. Comparar el parmetro estadstico calculado con el de referencia y tomar la decisin

de aceptar o rechazar.
2.5.2. Planes de muestreo por atributos.
Military Standard MIL-105-D.
Estos planes estn basados en el AQL, con una probabilidad de aceptacin de lotes con un
nivel de calidad igual o mayor que el AQL, de entre 88 y el 99%. Se aplican a la inspeccin
de productos terminados, productos almacenados, semielaborados, componentes y
materias primas, etc. Estn preparados para su uso en series continuas de lotes. Para lotes
aislados se tomar la precaucin de consultar las curvas caractersticas.
Para elegir un plan determinado entre los diferentes contenidos en las tablas, hay que
seguir los pasos siguientes:
1. Definir:
El tamao de lote.
El nivel de calidad aceptable: 0,010; 0,015; 0,025; ...
El tipo de muestreo: simple, doble o mltiple.
El nivel de inspeccin: normal, reducido, riguroso, S1, S2, S3 S4.
2. Mediante el tamao de lote y el nivel de inspeccin obtener la letra de cdigo de las

tablas.
3. Mediante la letra de cdigo, el AQL y el tipo de muestreo, obtener el plan de muestreo de

las tablas de muestreo disponibles: muestreo sencillo, doble o mltiple cada uno con
niveles de inspeccin normal, reducido y riguroso.
El plan de muestreo elegido indica el tamao de la muestra y los nmeros de aceptacin

y de rechazo.
Planes de muestreo
Tablas de Dodge Romig.
Las tablas incluyen planes de muestreo simples y dobles y cada uno de ellos permite
proteccin mediante el AOQL y el LTPD. Son por tanto, un conjunto de cuatro tablas
diferentes.
En estas tablas se supone que todos los lotes rechazados son inspeccionados al 100% y
llevan implcito el coste mnimo de muestreo para cada grado de proteccin deseado.
De hecho, las tablas requieren la determinacin del porcentaje de unidades defectuosas en

el lote antes de elegir el plan de muestreo ms adecuado, de forma que permiten elegir
planes que minimizan la inspeccin con relacin a un nivel de calidad dado.
Las tablas AOQL se clasifican segn el lmite de calidad media de salida y disponen de
valores comprendidos entre 0,1 y 10%. El nfasis est en la calidad de la media de salida a
largo plazo, por lo que no se garantiza que no se puedan aceptar lotes individuales de mala
calidad.
Las tablas LTPD se clasifican segn el porcentaje defectuoso del lote y disponen de valores
comprendidos entre el 0,5 y el 10% para el LTPD con un riesgo constante para el
comprador del 0,10. El nfasis est en garantizar que los lotes con una calidad peor que
LTPD establecido se van a aceptar en raras ocasiones.
Planes secuenciales.
En estos planes de muestreo al inspeccionar cada unidad de la muestra se debe tomar la

decisin de aceptar el lote, rechazarlo o inspeccionar otra unidad.
Requieren la toma de decisiones sobre unidades individuales, lo que los diferencia de los
planes de muestreo que requieren muestreos de mltiples unidades.
Las caractersticas que tienen son:
Los resultados se analizan con mayor frecuencia.
Tienen una banda de indecisin entre la zona de aceptacin y la de rechazo.
El muestreo debe proseguirse hasta que los resultados de la muestrabilidad utilizada (s, S o
R), impliquen el rechazo del lote al salir de la zona de indecisin e introducirse en la zona de
aceptacin o rechazo.
El lmite de este plan est en 160 unidades, donde hay que tomar una decisin definitiva.
Muestreo N aceptacin N rechazo

acumulado acumulado acumulado
40 0 4
60 1 5
80 2 6
100 2 6
120 3 7
160 7 8
Planes de muestreo
Planes de muestreo en continuo.
Estn diseados para la inspeccin de procesos que proporcionan una produccin en

continuo en lugar de por lotes. Estn tabulados segn el AQL o el AOQL.
Implican que la decisin de aceptar o rechazar se tome sobre cada unidad inspeccionada, y
utilizan periodos alternativos de inspeccin 100% y muestreo, dependiendo de la calidad
observada en el producto.
Los requisitos de aplicacin de estos planes son:

Realizar la inspeccin sobre el producto mvil.
Ser de fcil realizacin la inspeccin 100%.
Inspeccionar caractersticas poco complejas.
Tener un producto homogneo.
Existen varios tipos de muestreo en continuo: CSP-1, CSP-2, CSP-3, CSP-A, CSP-M, CSP-T,
CSP-F, CSP-V, CSP-R.
La sistemtica de control consiste en iniciar la inspeccin 100% de las unidades producidas

de forma consecutiva y continuarla hasta que se contabilicen i unidades sucesivas
aceptables. En este punto se interrumpe la inspeccin y se sustituye por un muestreo donde
se inspecciona una fraccin de producto f. El muestreo contina hasta que se encuentra
una unidad defectuosa en la muestra en cuyo cayo se vuelve a la inspeccin 100% y se
repite el ciclo. Los valores de i y de f se encuentran tabulados.
Planes de muestreo en cadena.
Estos planes tienen la caracterstica de que la aceptacin o rechazo de un lote no slo est
relacionada con el resultado del muestreo de dicho lote, sino tambin con los resultados de
los lotes precedentes.
Los requisitos para la aplicacin de un plan efectivo de muestreo en cadena, son:
Inspeccionar los lotes en el orden que se producen.
La fraccin de unidades defectuosas debe seguir la distribucin binomial.
El tamao de muestra es fijo para cada lote.
La calidad de los lotes se debe suponer homognea.
El inconveniente de estos planes es la dificultad de detectar cambios pequeos en la

homogeneidad del lote. Pero son capaces de detectar variaciones importantes con tamaos
de muestra pequeos y frecuencia alta.

Ver Primeiro PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Ver Primeiro PDF

Cargado por

Copyright:

Formatos disponibles

Control estadstico de procesos y Luis Arencibia Snchez

CONTROL ESTADSTICO DE PROCESOS

LUIS ARENCIBIA SNCHEZ

1. Control estadstico de procesos.

2.1. Elementos de los planes de muestreo.

1. Control estadstico de procesos.

1.2.1. Proceso estable y proceso capaz.

1.3. Grficos de control.

1.3.1. Grficos de control por variables.

1.3.2. Grficos de control por atributos.

Grficos para unidades defectuosas.

1.4. Capacidad de procesos.

1.5.2. Potencia del sistema.

1. Control estadstico de procesos.

Los sistemas de control basados en evitar la salida al mercado de productos

El Control Estadstico de Procesos (CEP, en ingls Statistical Process Control, SPC), es

Los elementos del CEP, son:

a. El Proceso. Es la combinacin organizada de los elementos: mano de obra,

b. Informacin sobre el comportamiento del proceso. Incluye el estudio de las

c. Informacin sobre el comportamiento del proceso en curso de produccin.

d. Medidas correctoras al proceso. Del anlisis e interpretacin de las informaciones,

e. Medidas correctoras al curso de produccin. Cuando se observa que hay

En la siguiente figura se muestra la relacin entre dichos componentes.

El CEP es un mtodo sistemtico para prevenir/predecir y minimizar las variaciones de

Los indicadores de desajuste de un proceso se obtienen a partir de la aplicacin de

Utilizadas adecuadamente, las tcnicas de CEP nos proporcionarn las siguientes

1.2. Variacin y sus causas.

Las causas que provocan estas variaciones corresponden a dos tipos:

Su naturaleza es de tipo aleatorio y son debidas a los numerosos motivos de

Las causas comunes se caracterizan por:

Constar de muchas causas de variacin pequea.

Ejemplos de causas comunes son: vibraciones en mquinas, pequeos cambios en la

Si las causas comunes producen defectos, la solucin es realizar cambios en el proceso,

Nunca debe ajustarse puntualmente el proceso cuando la variacin es producida por

Su naturaleza no es aleatoria. Las causas especiales consisten en unos pocos

Las causas especiales de variacin, se caracterizan por:

Constar de una o pocas causas importantes.

Las causas especiales de variacin son detectadas mediante tcnicas estadsticas y su

En cualquier proceso en funcionamiento, su variabilidad es debida a la suma de los

La variabilidad debida a estas causas (las comunes) es perfectamente

CAUSAS COMUNES CAUSAS ESPECIALES

Muchas causas individuales. Una sola causa individual.

1.2.1. Proceso estable y proceso capaz.

Un proceso estable es el que resulta cuando slo estn presentes causas

Un proceso estable es consistente. El resultado del proceso no vara en

Dentro de los procesos estables podemos hacer otra clasificacin: proceso

- Proceso capaz y no capaz

Decimos que el proceso es capaz respecto a una especificacin de consigna

Proceso capaz y proceso no capaz

Para que un proceso sea capaz primeramente debe ser estable. Un

proceso capaz genera, consecuentemente, productos que cumplen con las

La secuencia genrica para conseguir un proceso capaz es la siguiente:

PROCESO Detectar Investigar Reducir

Una vez estabilizado el proceso y eliminadas las causas de variacin, se debe

Un proceso inestable es aqul que presenta causas especiales de variacin.

Se observan cambios en la media y en la dispersin de las observaciones. La

Detectar Investigar Eliminar

1.3. Grficos de control.

Si representamos en el tiempo el resultado estadstico (media, dispersin) de las

El fundamento estadstico para el clculo de estos lmites se basa en que cuando un

En consecuencia se admite en Control de Calidad que el entorno de variacin alrededor

Los problemas de calidad aparecen, normalmente, cuando un proceso se desva de su

Requisitos del grfico de control