CARTAS DE CONTROL

Las cartas de control son la herramienta más poderosa para analizar la variación en la
mayoría de los procesos.

Han sido difundidas exitosamente en varios países dentro de una amplia variedad de
situaciones para el control del proceso.

Las cartas de control enfocan la atención hacia las causas especiales de variación cuando
estas aparecen y reflejan la magnitud de la variación debida a las causas comunes.

Las causas comunes o aleatorias se deben a la variación natural del proceso.

Las causas especiales o atribuibles son por ejemplo: un mal ajuste de máquina, errores del
operador, defectos en materias primas.

Se dice que un proceso está bajo Control Estadístico cuando presenta causas comunes
únicamente. Cuando ocurre esto tenemos un proceso estable y predecible.

Cuando existen causas especiales el proceso está fuera de Control Estadístico; las gráficas
de control detectan la existencia de estas causas en el momento en que se dan, lo cual
permite que podamos tomar acciones al momento.

Ventajas:

 Es una herramienta simple y efectiva para lograr un control estadístico.

 El operario puede manejar las cartas en su propia área de trabajo, por lo cual puede
dar información confiable a la gente cercana a la operación en el momento en que se
deben de tomar ciertas acciones.
 Cuando un proceso está en control estadístico puede predecirse su desempeño
respecto a las especificaciones. En consecuencia, tanto el productor como el cliente
pueden contar con niveles consistentes de calidad y ambos pueden contar con costos
estables para lograr ese nivel de calidad.
 Una vez que un proceso se encuentra en control estadístico, su comportamiento puede
ser mejorado posteriormente reduciendo la variación.
 Al distinguir ente las causas especiales y las causas comunes de variación, dan una
buena indicación de cuándo un problema debe ser corregido localmente y cuando se

Pág. 1
 requiere de una acción en la que deben de participar varios departamentos o niveles
de la organización.

Cartas de control por variables y por atributos.-

En Control de Calidad mediante el término variable se designa a cualquier característica

de calidad “medible” tal como una longitud, peso, temperatura, etc. Mientras que se
denomina atributo a las características de calidad que no son medibles y que presentan
diferentes estados tales como conforme y disconforme o defectuoso y no defectuoso.

Según sea el tipo de la característica de calidad a controlar así será el correspondiente

Gráfico de Control que, por tanto, se clasifican en Cartas de Control por Variables y Cartas
de Control por Atributos.

Comparación de las cartas de control por variables vs. atributos

Cartas de Control por Cartas de control por

variables atributos
Ventajas significativas Conducen a un mejor Son potencialmente
procedimiento de control. aplicables a cualquier
proceso
Proporcionan una utilización Los datos están a menudo
máxima de la información disponibles.
disponible de datos. Son rápidos y simples de
obtener.
Son fáciles de interpretar.

Son frecuentemente usados

en los informes a la
Gerencia.

Desventajas significativas
Más econónomicas
No se entienden a menos No proporciona información
que se de capacitación; detallada del control de
puede causar confusión características individuales.
entre los limites de
especificación y los límites

Pág. 2
 de tolerancia.
No reconoce distintos
grados de defectos en las
unidades de producto.

Campos de aplicación de las cartas

VARIABLES

Carta Descripción Campo de aplicación.

X R Medias y Rangos Control de características individuales.

ATRIBUTOS

Carta Descripción Campo de aplicación.

P Proporciones Control de la fracción global de defectuosos de un

proceso.
C Defectos por Control de número global de defectos por unidad
unidad

Elaboración de Cartas de control X  R (variables)

Paso 1: Colectar los datos.

Los datos son el resultado de la medición de las características del producto, los cuales
deben de ser registrados y agrupados de la siguiente manera:
 Se toma una muestra (subgrupo) de 2 a 10 piezas consecutivas y se anotan los
resultados de la medición (se recomienda tomar 5). También pueden ser tomadas en
intervalos de tiempo de ½ - 2 hrs., para detectar si el proceso puede mostrar
inconsistencia en breves periodos de tiempo.
 Se realizan las muestras de 20 a 25 subgrupos.

Paso 2: Calcular el promedio X y R para cada subgrupo

Pág. 3
 X 1  X 2 ....X N
X 
N

R  X mayor  X menor

Paso 3: Calcule el rango promedio  R  y el promedio del proceso  X  .

R1  R2  ......R K
R
K

X 1  X 2  ....... X K
X
K

Donde K es el número de subgrupos, R 1, R2...es el rango de cada subgrupo; X 1 , X 2.... son

el promedio de cada subgrupo.

Paso 4: Calcule los limites de control

Los límites de control son calculados para determinar la variación de cada subgrupo, están
basados en el tamaño de los subgrupos y se calculan de la siguiente forma:

LSC R  D4 R LSC X  X  A2 R
LIC R  D3 R LIC X  X  A2 R

Donde D4, D3, A2 son constantes que varían según el tamaño de muestra. A continuación se
presentan los valores de dichas constantes para tamaños de muestra de 2 a 10.

n 2 3 4 5 6 7 8 9 10
D4 3.27 2.57 2.28 2.11 2.00 1.92 1.86 1.82 1.78
D3 0 0 0 0 0 0.08 0.14 0.18 0.22
A2 1.88 1.02 0.73 0.58 0.48 0.42 0.37 0.34 0.31

Paso 5: Seleccione la escala para las gráficas de control

Pág. 4
Para la gráfica X la amplitud de valores en la escala debe de ser al menos del tamaño de
los límites de tolerancia especificados o dos veces el rango promedio  R  .
Para la gráfica R la amplitud debe extenderse desde un valor cero hasta un valor superior
equivalente a 1½ - 2 veces el rango.

Paso 6: Trace la gráfica de control

Dibuje las líneas de promedios y límites de control en las gráficas.
Los límites de Control se dibujan con una línea discontinua y los promedios con una línea
continua para ambas gráficas.
Marcar los puntos en ambas gráficas y unirlos para visualizar de mejor manera el
comportamiento del proceso.

Paso 7: Analice la gráfica de control

Ejemplo 1

Se toman las medidas de los diámetros de una pieza cilíndrica, el tamaño de muestra de
cada subgrupo es de cinco, y se toman 25 subgrupos a intervalos de 1 ha.
Realice la carta de control X  R .

muestra subgrupo 1 2 3 4 5 6 7 8 9 10 11 12 13
1 0.65 0.75 0.75 0.60 0.70 0.60 0.15 0.60 0.65 0.60 0.80 0.85 0.70
2 0.70 0.85 0.80 0.70 0.75 0.75 0.80 0.70 0.80 0.70 0.75 0.75 0.70
3 0.65 0.75 0.80 0.70 0.65 0.75 0.65 0.80 0.85 0.60 0.90 0.85 0.75
4 0.65 0.85 0.70 0.75 0.85 0.85 0.75 0.75 0.85 0.80 0.50 0.65 0.75
5 0.85 0.65 0.75 0.65 0.80 0.70 0.70 0.75 0.75 0.65 0.80 0.70 0.70

muestra subgrupo 14 15 16 17 18 19 20 21 22 23 24 25
1 0.65 0.90 0.75 0.75 0.75 0.65 0.60 0.50 0.60 0.80 0.65 0.65
2 0.70 0.80 0.80 0.70 0.70 0.65 0.60 0.55 0.80 0.65 0.60 0.70
3 0.85 0.80 0.75 0.85 0.60 0.85 0.65 0.65 0.65 0.75 0.65 0.70
4 0.75 0.75 0.80 0.70 0.70 0.65 0.60 0.80 0.65 0.65 0.60 0.60
5 0.60 0.85 0.65 0.80 0.60 0.70 0.65 0.80 0.75 0.65 0.70 0.65

Calculando el rango y el promedio para cada subgrupo obtenemos:

Pág. 5
muestra subgrupo 1 2 3 4 5 6 7 8 9 10 11 12 13
1 0.65 0.75 0.75 0.60 0.70 0.60 0.15 0.60 0.65 0.60 0.80 0.85 0.70
2 0.70 0.85 0.80 0.70 0.75 0.75 0.80 0.70 0.80 0.70 0.75 0.75 0.70
3 0.65 0.75 0.80 0.70 0.65 0.75 0.65 0.80 0.85 0.60 0.90 0.85 0.75
4 0.65 0.85 0.70 0.75 0.85 0.85 0.75 0.75 0.85 0.80 0.50 0.65 0.75
5 0.85 0.65 0.75 0.65 0.80 0.70 0.70 0.75 0.75 0.65 0.80 0.70 0.70
Promedio 0.70 0.77 0.76 0.68 0.75 0.73 0.61 0.72 0.78 0.67 0.75 0.76 0.72
Rango 0.20 0.20 0.10 0.15 0.20 0.25 0.65 0.20 0.20 0.20 0.40 0.20 0.05

muestra subgrupo 14 15 16 17 18 19 20 21 22 23 24 25
1 0.65 0.90 0.75 0.75 0.75 0.65 0.60 0.50 0.60 0.80 0.65 0.65
2 0.70 0.80 0.80 0.70 0.70 0.65 0.60 0.55 0.80 0.65 0.60 0.70
3 0.85 0.80 0.75 0.85 0.60 0.85 0.65 0.65 0.65 0.75 0.65 0.70
4 0.75 0.75 0.80 0.70 0.70 0.65 0.60 0.80 0.65 0.65 0.60 0.60
5 0.60 0.85 0.65 0.80 0.60 0.70 0.65 0.80 0.75 0.65 0.70 0.65
Promedio 0.71 0.82 0.75 0.76 0.67 0.70 0.62 0.66 0.69 0.70 0.64 0.66
Rango 0.25 0.15 0.15 0.15 0.15 0.20 0.05 0.30 0.20 0.15 0.10 0.10

Calculando el Rango promedio, promedio del proceso y límites de control:

R  .198
X = .71
LSC R  D4 R = 2.11* 0.198 = 0.41

LIC R  D3 R
=0

LSC X  X  A2 R = .71+ (.58) (.198) = .82

LIC X  X  A2 R = .71-(.58) (.198) = .59

Xbar/R Chart for C1

UCL=0.8254
0.8
Sample Mean

0.7 Mean=0.7112

0.6 LCL=0.5970

Subgroup 0 5 10 15 20 25

0.7 1
0.6
Sample Range

0.5
0.4 UCL=0.4187
0.3
0.2 R=0.198
0.1
0.0 LCL=0
Pág. 6
La carta de control R muestra un punto fuera de los límites de especificaciones, por lo cual
el proceso se encuentra fuera de control, en este caso es necesario investigar las causas y
tomar las acciones correctivas para eliminar el problema. En la siguiente parte se muestran
los criterios para determinar las situaciones en las cuales un proceso puede estar fuera de
control.

Interpretación del control del proceso.

El objeto de analizar una gráfica de control es identificar cuál es la variación del proceso,
las causas comunes y causas especiales de dicha variación y en función de esto tomar
alguna acción apropiada cuando se requiera.

Juran1 sugiere un conjunto de reglas de decisión para detectar patrones no aleatorios en

las cartas de control. Cuando se detecta alguno de los patrones siguientes se puede decir
que el tomar alguna acción para corregir el problema ya que el proceso puede estar fuera
de control.

PATRONES FUERA DE CONTROL

1
Análisis y planeación de la calidad, J.M. Juran, F.M Gryna, Tercera Edición, McGrawHill.

Pág. 7
Pág. 8
Gráficas de control por atributos

Cualquier característica de calidad que pueda ser clasificada de forma binaria: “cumple o
no cumple”, “funciona o no funciona”, “pasa o no pasa”, etc., a los efectos de control del
proceso, será considerado como un atributo y para su control se utilizará un Gráfico de
Control por Atributos.
:
Los criterios de aceptación al utilizar gráficas de control por atributos deben estar
claramente definidos y el procedimiento para decidir si esos criterios se están alcanzando
es producir resultados consistentes a través del tiempo. Este procedimiento consiste en
definir operacionalmente lo que se desea medir. Una definición operacional consiste en:

1º. Un criterio que se aplica a un objeto o a un grupo

2º. Una prueba del objeto o del grupo y
3º. Una decisión, sí o no: El objeto o el grupo alcanza o no el criterio.

Gráfica P para fracción de Unidades Defectuosas (atributos)

La gráfica p mide la fracción defectuosa o sea las piezas defectuosas en el proceso. Se

puede referir a muestras de 75 piezas, tomada dos veces por día; 100% de la producción
durante una hora, etc. Se basa en la evaluación de una característica (¿se instalo la pieza
requerida?) o de muchas características (¿se encontró algo mal al verificar la instalación
eléctrica?). Es importante que cada componente o producto verificado se registre como
aceptable o defectuoso (aunque una pieza tenga varios defectos específicos se registrará
sólo una vez como defectuosa).

Pág. 9
Pasos para la elaboración de la gráfica:

Paso 1- Frecuencia y tamaño de la muestra:

Establezca la frecuencia con la cual los datos serán tomados (horaria, diaria, semanal). Los
intervalos cortos entre tomas de muestras permitirán una rápida retroalimentación al
proceso ante la presencia de problemas. Los tamaños de muestra grandes permiten
evaluaciones más estables del desarrollo del proceso y son más sensibles a pequeños
cambios en el promedio del mismo. Se aconseja tomar tamaños de muestra iguales
aunque no necesariamente se tiene que dar esta situación, el tamaño de muestra debería
de ser mayor a 30. El tamaño de los subgrupos será de 25 o más.

Pasó 2- Calculo del porcentaje defectuoso (p) del subgrupo:

Registre la siguiente información para cada subgrupo:

El número de partes inspeccionadas – n
El número de partes defectuosas – no

np
Calcule la fracción defectuosa (p) mediante: p 
n

Paso 3 – Calculo de porcentaje defectuoso promedio y límites de control

El porcentaje defectuoso promedio para los k subgrupos se calcula con la siguiente
fórmula:

np1  np 2  ....  np k
p
n1  n2  .....  nk

p (1  p )
LSC p  p  3
n

p (1  p )
LIC p  p  3
n

Pág. 10
Donde n es el tamaño de muestra promedio.

NOTA: Cuando p y/o n es pequeño, el límite de control inferior puede resultar negativo,
en estos casos el valor del límite será = 0

Paso 4- Trace la gráfica y analice los resultados.

Ejemplo 4

Un fabricante de latas de aluminio registra el número de partes defectuosas, tomando

muestras cada hora de n = 50, con 30 subgrupos. Realizar la gráfica de control para la
siguiente serie de datos obtenida durante el muestreo.

Muestra Latas defectuosas Muestra Latas defectuosas

np np
1 12 16 8
2 15 17 10
3 8 18 5
4 10 19 13
5 4 20 11
6 7 21 20
7 16 22 18
8 9 23 24
9 14 24 15
10 10 25 9
11 5 26 12
12 6 27 7
13 17 28 13
14 12 29 9
15 22 30 6

Pág. 11
Calcule la fracción defectuosa para cada muestra:

Muestra Latas defectuosas Fracción defectuosa Muestra Latas defectuosas Fracción defectuosa
np p np p
1 12 0.24 16 8 0.16
2 15 0.30 17 10 0.20
3 8 0.16 18 5 0.10
4 10 0.20 19 13 0.26
5 4 0.08 20 11 0.22
6 7 0.14 21 20 0.40
7 16 0.32 22 18 0.36
8 9 0.18 23 24 0.48
9 14 0.28 24 15 0.30
10 10 0.20 25 9 0.18
11 5 0.10 26 12 0.24
12 6 0.12 27 7 0.14
13 17 0.34 28 13 0.26
14 12 0.24 29 9 0.18
15 22 0.44 30 6 0.12

p  .2313

p (1  p ) .23 * .77
LSC p  p  3 = .2313  3 =.4102
n 50

p (1  p ) .23 * .77
LIC p  p  3 = .2313  3 =.05243
n 50

Trazando la gráfica
P Chart for C1
0.5 1
1

0.4 UCL=0.4102
Proportion

0.3

P=0.2313
0.2

0.1
LCL=0.05243
0.0
Pág. 12
0 10 20 30
Sample Number
Gráfica no – Número de defectivos

La gráfica no es basada en el número de defectuosos en vez de la proporción de

defectuosos. Los límites son calculados mediante las siguientes fórmulas.

LSC  np  3 np 1  p 

LIC  np  3 np 1  p 

Ejemplo 5:

Utilizando los datos del diagrama anterior, construya la gráfica no e interprete los
resultados.
NP Chart for cantidad
De la tabla obtenemos p  0.2313 , n = 50.
25 1
Calculando los límites de control tenemos:
1

20 3.0SL=20.51
LSC = (50)(0.2313)  3  50 0.2313 0.7687  20.510
Sample Count

LIC = (50)(0.2313)  3  50 0.2313 0.7687   2.620

15

NP=11.57
10

5
-3.0SL=2.621
0
0 10 Pág. 20
13 30
Sample Number
Gráfico de Control C.

Pág. 14
Gráfica C – para número de defectos

Se utiliza para determinar la ocurrencia de defectos en la inspección de una unidad de

producto. Esto es determinar cuantos defectos tiene un producto. Podemos tener un
grupo de 5 unidades de producto, 10 unidades, etc.

Los límites de control se calculan mediante las siguientes fórmulas:

LSC  c  3 c
LSC  c  3 c

Donde:
c = total de defectos/ número de unidades de producto.

Ejemplo:
En la siguiente tabla tenemos el número de unidades de defectos observados en 26
muestras sucesivas de 100 filtros de seguridad.

muestra defectos muestra defectos

1 21 14 19
2 24 15 10
3 16 16 17
4 12 17 13
5 15 18 22
6 5 19 18
7 28 20 39
8 20 21 30
9 31 22 24
10 25 23 16
11 20 24 19
12 24 25 17
13 16 26 15

516
c  19.67
26

Pág. 15
LSC  19.67  3 19.67  32.97
LIC  19.67  3 19.67  6.37

Pág. 16
 C Chart for C1

40 1

3.0SL=33.21
30
Sample Count

20 C=19.85

10
-3.0SL=6.481
1
0
0 10 20
Sample Number

Pág. 17