Módulo 3

1. Normativa Chilena para el Control Estadístico de los Procesos

Son muchos los beneficios que podemos obtener de un Sistema de Gestión de la Calidad.
Resultan aún más relevantes cuando el Sistema está basado en un estándar tan reconocido
como ISO 9001:2015. Esta norma, como sabemos persigue la mejora continua, utilizando entre
otras, diversas herramientas de control de calidad para lograr ese propósito.

Las herramientas de control de calidad se utilizan para determinar, medir, analizar y proponer
soluciones a los problemas identificados que interfieren con el rendimiento de los procesos de
la organización, ayudando a mejorar los indicadores de calidad.
Estas herramientas surgen en los años 50, con base en conceptos y prácticas existentes en el
momento, y desde esa década se han utilizado como apoyo a los sistemas de gestión, a través
de modelos estadísticos contribuyen a la mejora de los procesos y los procedimientos.

7 principales herramientas de control de calidad

1. Diagrama de flujo
Permite identificar el mejor camino que el producto o servicio recorrerá en el proceso. Es
mucho más fácil entender un proceso, y formular propuestas para mejorarlo, cuando
podemos hacerle seguimiento paso a paso, con un diagrama de flujo.
Cuando el flujo del proceso aparece representado sobre el papel, es posible observar donde se
presenta desperdicio, ocasionado por un movimiento excesivo por las instalaciones de la
fábrica.

2. Diagrama de Ishikawa (Fishbone)

También llamado análisis de causa y efecto, o diagrama de espina de pescado. Se utiliza para
identificar las posibles causas de un problema y sus efectos, por medio de la relación entre el
efecto y todas las posibles causas que pueden contribuir a tal fin.
Teniendo el problema en mente, es posible determinar las posibles causas, utilizando seis
variantes: método, material, medida, hombres, mujeres y medio ambiente. Los datos se
tabulan y se inicia un proceso de eliminación, que nos permite llegar a la causa más probable y
con ello, generar la solución.
3. Tablas de datos
Son formatos tabulados, que permite recaudar información de forma metódica y sistemática,
de tal forma que resulte fácil de revisar y observar tendencias en el comportamiento.
4. Hojas de verificación
Se trata de una lista de elementos preestablecidos, que requieren ser evaluados. Se utilizan
para certificar el cumplimiento de ciertas actividades o para evaluar en qué nivel de
cumplimiento se encuentran algunos procesos.
5. Diagrama de Pareto
Se trata de un recurso gráfico utilizado para establecer un orden en las causas de las pérdidas y
como deben ser subsanadas. El diagrama de Pareto, toma datos de diversas fuentes de
información, pero generalmente se nutre de la ocurrencia de problemas o la evidencia de
defectos, ofreciendo una representación gráfica de ellos.
6. Histogramas
Tienen como objetivo mostrar una distribución de frecuencias de datos obtenidos con base en
mediciones, a través de un gráfico de barras, indicando el número de unidades en cada
categoría.
7. Diagrama de dispersión
Muestra lo que acontece con una variable cuando otra ha cambiado. Son representaciones de
dos o más variables que se organizan en un gráfico, una en función de la otra.

Más que una herramienta más, el Control Estadístico de Procesos es utilizado como una forma
de apoyar el trabajo de las herramientas a las que hemos hecho referencia, mostrando las
tendencias en los puntos de observación, durante un periodo de tiempo determinado.
Este tipo de informes se utilizan para hacer seguimiento a los procesos, determinando una
franja de tolerancia limitada por una línea superior, una línea inferior, y una línea media que
establece el límite central, para así obtener información estadística gráfica que permita
visualizar tendencias de forma inmediata.
Las siete herramientas de control de calidad ayudan a la organización a elevar sus niveles de
calidad, a través de la identificación de los problemas, y, en consecuencia, la reducción de
estos. De ahí la importancia de ellas, como elemento imprescindible de mejora del sistema.
https://www.isotools.cl/herramientas-de-control-de-calidad/
La norma ISO 9001, se basa en el control y mejora de los procesos de la empresa. Es decir, para
cumplir con los requisitos de la norma, debemos establecer metodologías (procedimientos)
que evidencien la gestión de los procesos, sistemas de planificación, detección de errores,
acciones de corrección, entre otros. Esta técnica puede formar parte de un sistema de control
y mejora de los procesos, y por lo tanto se podría aplicar, siempre y cuando se obtengan los
datos necesarios para poder utilizar las diferentes herramientas que incorpora esta técnica.

2. Objetivos de las Gráficas de Control

W.A Shewart fue el primero en proponer, en 1924, un gráfico de control con el fin de eliminar
una variación anormal, distinguiendo las variaciones debidas a causas asignables de aquellas
debidas a causas al azar.
Una gráfica de control, consiste en una línea central, un par de límites de control, uno de ellos
colocado por encima de la línea central, y otro por debajo, y en uno de los
valores característicos registrados en la gráfica que representa el estado del proceso. Si todos
los valores ocurren dentro de los límites de control sin ninguna tendencia especial, se dice que
el proceso está en estado controlado; pero si ocurren fuera de los límites de control, se dice
que el proceso está fuera de control.
Un gráfico de control es un dibujo para determinar si el modelo de probabilidad (variabilidad)
es estable o cambia a lo largo del tiempo. Hay distintos tipos de gráficos de control referidos a
distintas pautas de variabilidad. Pero todos tienen unas características comunes y se
interpretan de la misma manera. En todos los casos es una prueba de hipótesis estadística.
Figura 1. Gráfico de control con un punto fuera de control.
El objetivo de las gráficas de control es controlar el proceso, es decir, hacer una gráfica que en
rigor son dos, una para la exactitud, o sea, la gráfica X y otra, para la precisión, esta es la
gráfica R. La variación debida al azar es a la que se le da seguimiento en las gráficas de control.
Debemos conocer la variación debida al azar, para esto se tomaran muestras cada periodo de
tiempo preestablecido, de forma que en cada pequeña muestra los factores de variación sean
comunes. Las cantidades a extraer en cada muestra tomada a periodo regulares serán de 3 a
10 unidades siendo las más frecuentes de 3 a 6 y la más recomendable es 5.

2.1 Características básicas

Una de las herramientas de análisis y solución de problemas es la gráfica de control. Es un
diagrama que muestra los valores producto de la medición de una característica de
calidad, ubicados en una serie cronológica. En él establecemos una línea central o valor
nominal, que suele ser el objetivo del proceso o el promedio histórico, junto a uno o más
límites de control, tanto superior como inferior, usados para determinar cuándo es necesario
analizar una eventualidad.
Algunos términos antes de conocer qué tipos de gráficas hay, son:
Causa asignable: Si consigues hallar una causa concreta o que ocasiona una variación excesiva
y obedece a una situación específica, hablamos de causa asignable. Es el tipo de causa que
debemos corregir. Por ejemplo, la deficiente capacitación del trabajador o la falta de ajuste de
una máquina.
Causa aleatoria: Cuando no consigues hallar una explicación concreta a una variación, o si la
variación fue ocasionada por un evento sin importancia que no se volverá a repetir, hablamos
de causa aleatoria. También se le suelen llamar variaciones naturales o causas naturales. Es el
tipo de causa que está presente en la vida misma, fortuita. Ejemplos son la curva de
aprendizaje del trabajador y el cierre inesperado del software.
Límite superior de control: Es el valor más grande aceptado en el proceso. En español LSC, en
inglés UCL (Upper control limit).
Límite inferior de control: El opuesto al superior, es decir, el valor más pequeño. LIC en
español, LCL en inglés (Lower control limit).
Límite central de control: Con siglas LCC, es la línea central del gráfico. Entre más cerca están
los puntos a la línea, más estable es el proceso.

Beneficios definidos de una gráfica de control:

Análisis de proceso: Puede que nunca se haya hecho un control estadístico de proceso. Un
análisis con gráfico de control donde estableces los límites de control, te permitirá analizar ese
proceso y determinar qué es lo normal en él, cuando algo no está bien, o si ha mejorado o
empeorado a través del tiempo. Un proceso analizado con esta herramienta, es un proceso
controlado, que es precisamente el segundo beneficio.
Control de proceso: Conoces el comportamiento del proceso. ¿Es estable?, ¿se mantiene?
¿qué tan frecuente se sale de control? Esto te permite intervenir sobre el proceso para
mejorarlo. Este, a continuación, es el tercer beneficio.
Mejoramiento del proceso: No basta analizar y controlar un proceso. Es necesario mejorarlo.
Con el diagrama de Shewhart identificamos dónde se generaron las fallas y tenemos datos de
entrada para hacer análisis de causas en aras de plantear soluciones a las fallas.

La característica de calidad a medir determina el tipo de diagrama de control. Inicialmente

encontramos dos clasificaciones:
Tipos de gráficas de control
1. Gráficas de Control de Variables
– Gráfica x – R Promedios y rangos
– Gráfica x – s Promedios y Desviación Estándar
– Gráfica x – R Medianas y Rangos
– Gráfica x – R Lecturas Individuales y Rangos
2. Gráficas de Control por Atributos
– Gráfica p Porcentaje de unidades o procesos defectuosos
– Gráfica np Número de unidades o procesos defectuosos
– Gráfica c Número de defectos por área de oportunidad
– Gráfica u Porcentaje de defectos por área de oportunidad

2.2 Aplicaciones industriales

Imagina que eres un productor de tornillos y que cada tornillo que haces debe medir entre
3,55 cm y 3,60 cm. Menos de 3,55 cm o más de 3,60 cm se consideran tornillos defectuosos.
Por ende, estableces tu límite de control superior en 3,60 cm y tu límite inferior en 3,55 cm.
Anotas las medidas de los tornillos que produces a diferentes horas del día. Un día ves que, en
el gráfico de control, hay 7 tornillos producidos a las 3 de la tarde que están por fuera de los
límites, ¿qué paso ahí?
La respuesta al primer interrogante es: Adquieres control del proceso. Siguiendo el ejemplo de
los tornillos, el paso siguiente es determinar por qué ocurrió esa variación en el proceso.
¿Acaso fue una causa aleatoria? ¿Quizás fue una causa asignable?
Las gráficas de control sirven para:
Determinar el estado de control de un proceso.
Diagnostica el comportamiento de un proceso en el tiempo.
Indica si un proceso ha mejorado o ha empeorado.
Permite identificar las dos fuentes de variación de un proceso.
Sirve como una herramienta de detección de problemas.
3. Gráficas de proceso
El diagrama es una herramienta visual muy intuitiva para la gestión del trabajo. Funciona muy
bien para detectar y comunicar los pasos a seguir para lograr un propósito, así como los
momentos críticos en donde el equipo debe prestar una especial atención. En concreto,
explicaremos qué es un diagrama de proceso, un instrumento gráfico diferente al diagrama de
proyecto. Por ello, antes de empezar conviene conocer las diferencias entre proyecto y
proceso y su contexto de cara al trabajo.
En primer lugar, un proyecto es un conjunto de actividades que se realiza con fecha de inicio y
fin, siempre en base a un objetivo a conseguir. Pueden intervenir en él múltiples recursos, con
una red de dependencias entre las tareas compleja o simple, según el tipo de resultado a
desarrollar. Lo más importante de los proyectos es concebirlos como situaciones únicas. Esto
quiere decir, que para cada proyecto utilizaremos uno determinados recursos en unas fechas
específicas.
En segundo lugar, cuando hablamos de proceso nos referimos al procedimiento rutinario para
conseguir siempre el mismo resultado. Las dependencias entre las tareas, así como la duración
de las mismas siempre son las mismas. Sin embargo, los procesos carecen de fecha específica
ya que se realizan siguiendo las dependencias entre las actividades y no según el calendario.

Cosas que se pueden hacer con un diagrama de proceso:

Identificación de necesidades y agentes que participan en el proceso.
Comunicación eficaz entre todos los miembros del equipo. El uso del flujo de información —
cómo se producen las entradas y salidas de datos — en un diagrama de procesos es evidente.
Identificación de riesgos. La gestión de riesgos y los protocolos a seguir según los diferentes
escenarios, son la esencia misma del diagrama de procesos. Antes de que sucedan los
contratiempos, debemos saber qué hacer de manera rápida y eficaz. Para eso, podemos usar
nuestra aplicación online de gestión y hacer simulaciones de procesos.
Análisis e interpretación de datos. El flujo de información nos permite estudiar y evaluar toda
la información de nuestro proceso.
Toma de decisiones de manera rápida. Una vez tenemos todo lo necesario, a través del
diagrama de procesos podremos decir con tiempo suficiente para comunicar y actuar, antes de
que el problema ponga en riesgo nuestro objetivo a lograr.

Como se puede apreciar, el diagrama de proceso es una herramienta muy útil para planificar y
detectar los pasos a seguir con el objetivo principal a conseguir. Sin embargo, no es suficiente
en la gestión de procesos amplios, con incertidumbre. Un diagrama de procesos no es flexible.
Una vez hemos detectado los principales riesgos y nos ponemos en marcha, no podremos
modificar casi nada. Por eso, las industrias gestionan sus procesos con aplicaciones potentes
que gestionen la incertidumbre, amplios volúmenes de recursos y dependencias entre
actividades.

3.1 Gráfica de control por variables

Una variable continua tiene la propiedad de que entre 2 cualesquiera valores observables
(potencialmente), hay otro valor observable (potencialmente). Una variable continua toma
valores a lo largo de un continuo, esto es, en todo un intervalo de valores. Longitudes y pesos
son ejemplos de variables continuas. Si ese es el caso, podemos encontrar gráficos basados en
la tendencia central ( x ) y en el rango.

Gráfica x : Qué tanto se están alejando las mediciones de la tendencia central, que en este
caso es la media o promedio. Por ejemplo, un nuevo trabajador o nuevos instrumentos de
trabajo harán que las mediciones se alejen más de línea central.
Gráfica R: Qué tanta ganancia o pérdida de uniformidad hay en la dispersión de un proceso
dentro de una muestra. En otras palabras, el rango es la resta del valor más grande con el valor
más pequeño de una muestra, lo que nos permite determinar la variabilidad. El valor
resultante es plasmado en un gráfico de control para ser comparado con el rango de otra serie
de muestras. Con esto logramos ver si hay presencia de uniformidad en los puntos ubicados o
si no, para intervenir.
Gráfica x - R: Utilizamos ambos tipos de gráficas cuando se miden la relación de las
especificaciones de calidad con la tendencia central y la dispersión. En este sentido, ubicamos
una gráfica ligeramente encima de la otra y analizamos el comportamiento de cada punto.

Gráfica x - R (Valor promedio y rango)

Gráfica X (Variable de medida)

Gráfica x - R, esta se usa para controlar y analizar un proceso en el cual la característica

de calidad del producto que se está midiendo toma valores continuos, tales como longitud,
peso o concentración.

Figura 2. Gráfica x - R
Los gráficos x - R se utilizan cuando la característica de calidad que se desea controlar es una
variable continua.
Para obtener la gráfica de medias y rangos es necesario que la característica del producto se
haya definido con tipo de análisis Variable y tamaño de subgrupo igual o mayor a 2. Cada
punto de la gráfica de Medias es el promedio de las muestras de un subgrupo. Cada punto de
la gráfica de Rangos es la diferencia entre el valor máximo y el mínimo de cada subgrupo. Los
límites de control se calculan a partir del Rango promedio y delimitan una zona de 3
desviaciones estándar de cada lado de la media.

Una gráfica x debe usarse en combinación con una gráfica R para controlar la variación dentro
de un subgrupo. Cuando los datos de un proceso se registran durante intervalos largos o los
sub grupos de datos no son efectivos, se grafica cada dato individualmente y esa gráfica puede
usarse como gráfica de control.

Figura 3. Gráfico de control R versus subgrupo

Tipo de gráfica de Control

Límite superior de control (
LCS ),
Línea central (LC),
Límite inferior de control (
LCi )

Valor continuo – Promedio LCs  x  A2 R

x LC  x
LCi  x  A2 R
Valor continuo – Rango LCs  D4 R
R
LC  R
LCi  D3 R
Valor continuo – valor medido LCs  x  2.66 R s
X
LC  x
LCi  x  2.66 R s

Tabla 1. Tipos de gráficas de control para valor continuo

Valor continuo – promedio ( x - R)

ˆ x  ˆ / n
Teniendo en cuenta que , entonces:
La constante k puede tomar cualquier valor positivo; el valor más usual es 3.

Llamamos
A2 a:

Es una cantidad constante que depende solamente del tamaño de la muestra. Es posible
poner los límites de esta forma:

LCs  x  A2 R
LC  x
LCi  x  A2 R

Los valores
d 2 y A2 están tabulados

Tabla 2. Tabla para calcular los parámetros de los diagramas de control de características
variables de calidad.

Gráficas de medias y rangos

Gráfica de rangos:
LC  R
LSC  D4 R
LSC  D3 R

R: Es la media de los rangos de las muestras.

D3 y D4 : Son parámetros para los gráficos de control y depende del tamaño de la muestra
(n).

Gráfica de medias: antes de calcular los límites es necesario que esté bajo control la gráfica
de rangos.

LC  x
LSC  x  A2 R
LSC  x  A2 R

R: Es la media de los rangos de las muestras.

A2 : Es un parámetro para los gráficos de control y depende del tamaño de la muestra (n)

 : se puede obtener a partir de los datos recopilados, pero generalmente se obtiene de la

información proporcionada por la gráfica de un proceso bajo control.

R
ˆ 
d2
Tabla 3. Tabla para calcular los parámetros de los diagramas de control de características
variables de calidad.

3.2 Por atributos

Gráfica de control por atributos

Piensa en una característica de calidad basada en atributos como el cumplimiento con

respecto a una especificación. Lo hacemos con variables discretas. De aquí se derivan cuatro
tipos de gráficos:
Gráfico p: En él medimos el porcentaje de defectos por muestra. Por ejemplo, si tenemos una
muestra de 100 productos y 10 de ellos tienen al menos un defecto, hay una fracción
defectuosa de 0,1. Este valor se ubica en el gráfico sobre el eje y.
Gráfico np: A diferencia de p, este valor no es una fracción. Es el número de unidades
defectuosas en una muestra. Si es una muestra de 100 productos, 10 de ellos tienen al menos
un defecto, 10 será el valor a ubicar en el gráfico sobre el eje y.
Gráfico c: Es el número de defectos por unidad de producción durante un período de
muestreo. En este caso, los defectos por producto se cuentan, y establecemos un valor para
definir a partir de cuántos defectos una unidad es defectuosa. Por ejemplo, el número de
zonas desgastadas que tenga una chaqueta de cuero, si la chaqueta tiene más de 5 zonas
desgastadas, se considera una unidad no conforme.
Gráfico u: Similar a p pero parte del gráfico c. En él medimos el porcentaje de defectos en una
unidad durante un período de muestreo.

Puede controlar características no medibles. Se entiende como atributo a la propiedad que

tiene una unidad de producto de ser buena o mala. Se relaciona con las normas de
aceptación y rechazo. Estos gráficos señalan las características de calidad causantes de
problemas.

Grafica pn y grafica p
Esta grafica se usa cuando la característica de calidad se representa por el número de
unidades defectuosas. Para una muestra de tamaño constante, se usa una gráfica pn del
número de unidades defectuosas, mientras que una gráfica p de la fracción de defectos se
usa para una muestra de tamaños variables.
Grafica pn: número de unidades defectuosas
Grafica p: fracción de unidades defectuosas

Tipo de gráfica de Control

Límite superior de control (
LCS ),
Línea central (LC),
LCi
Límite inferior de control ( )
 Valor discreto – número de unidades LCs  pn  3 pn(1  p)
defectuosas
pn LC  pn
LCi  pn  3 pn(1  p )
Valor discreto – fracción de unidades LCs  p  3 p (1  p ) / n
defectuosas
p LC  p
LCi  p  3 p (1  p ) / n
n= número de unidades usadas en cada prueba, es un valor constante en cada prueba
realizada.
Tabla 4. Tipos de gráfica de control para valor discreto.

pn
p
kN

Donde:
pn = total de unidades defectuosas
K= número de pruebas realizadas
N= número de muestras tomadas en cada muestra, este valor debe ser constante en cada
prueba.

Figura 4. Gráfico de control p

Figura 5. Gráfico de control np

Gráfico u
La variable U representa el promedio de errores por unidad, se define como el cociente del
número total de errores X de la muestra (la cual es una variable de Poisson), dividido por el
tamaño de la muestra n.

X
U
n

X= número total de errores de la muestra

n= tamaño de la muestra o piezas utilizadas en cada prueba, es un valor constante.

La media y la varianza de este variable U son:

Donde U es el estimador de U, y se calcula de la siguiente forma:

d
Donde i es el número de defectos para la muestra. i, m es el número de muestras y n es el
tamaño de cada muestra.

Tipo de gráfica de Control Límite superior de control (

U
LCS  U  3
n
LC  U
U
LCi  U  3
n ),
Línea central (LC),
Límite inferior de control (
LCi )
 Gráfica U, promedio de defecto por unidad U
LCS  U  3
n
LC  U
U
LCi  U  3
n
Tabla 5. Tipo de gráfico de control para gráfico u.

Grafica C

Es una alternativa practica cuando todas las muestras tienen el mismo tamaño n. Es eficaz
cuando la cantidad de defectos posibles en una unidad es grande pero el porcentaje
correspondiente a un solo defecto es pequeño.

Para la aplicación del gráfico de control c, suponemos que lo siguiente se cumple:

La probabilidad de que ocurra un defecto es, p, un valor muy pequeño. Además de que los
defectos ocurren en forma independiente, es decir, el que ocurra un defecto no afecta la
probabilidad de que ocurran los siguientes defectos.
Las muestras tienen las mismas áreas de oportunidad para los defectos, es decir, las piezas
deben ser del mismo tipo y tamaño. Esto es, no considerar piezas de diferente tamaño, unas
demasiado grandes y otras demasiado pequeñas. No considerar números variables n de
tamaño de muestra.
El número de defectos es bastante mayor al parámetro c.
Todos los defectos están bien definidos.

Si esto se cumple, la distribución de Poisson con parámetro  como número promedio de

defectos, puede ser utilizada para modelar el número de defectos en muestras de tamaño
constante.
La media y varianza de la distribución de Poisson, es el mismo parámetro  , es decir:
E(c) =  ; Var(c) = 
Si tenemos m muestras, el parámetro c, puede ser estimado de la fórmula que se muestra a
continuación:

Donde
Ci es el número de defectos por muestra.

Tipo de gráfica de Control LCS

Límite superior de control ( ),
Línea central (LC),
 Límite inferior de control (
LCi )

Valor discreto – número de defectos LCs  c  3 c

c
LC  c
LCi  c  3 c
c : Cifra de defectos
Tabla 6. Tipo de gráfico de control para gráfico c

3.3 Límites de control de procesos

Los límites de control de su gráfica de control representan la variación de su proceso y le
ayudan a indicar cuando su proceso está fuera de control.
Los límites de control son las líneas horizontales ubicadas arriba y debajo de la línea central,
que se utilizan para determinar si un proceso está fuera de control.

Los límites de control superior e inferior se basan en la variación aleatoria esperada en el

proceso.

Figura 6. Gráfico de control con sus límites

Por ejemplo, esta gráfica Xbarra (Figura 6) muestra la longitud en el tiempo de los árboles de
leva fabricados. Dos puntos se encuentran por encima del límite de control superior. Estos
puntos fuera de control indican que los árboles de leva en estos subgrupos son más largos de
lo esperado.

No confunda límites de control con límites de especificación. Los límites de control se basan
en la variación del proceso. Los límites de especificación están basados en los requisitos del
cliente. Un proceso puede estar en control y aun así no es capaz de cumplir con las
especificaciones.

Límites de control modificados

Los límites de control modificados para la Xmedia se utilizan cuando Cp o Cpk es mucho
mayor que 1, es decir, cuando la variabilidad del proceso es mucho menor que la extensión
de los límites.
Pongamos, por ejemplo, que nuestro proceso consiste en llenar sacos de arena. Las
especificaciones del fabricante exigen que cada saco sea llenado con una cantidad de arena
entre los 10.00Kg y los 10.20 Kg. Por otra parte, nuestro proceso puede operar con una
variación de 0.01 Kg. Vemos que en este caso la capacidad del proceso es:

En estos casos en los que el intervalo de las especificaciones es tan grande en relación a 6σ
se recomienda cambiar de los gráficos de control de Xmedia habitual a los gráficos
modificados. En esta, se permite el desplazamiento de la media un cierto rango, siempre que
esta variación no resulte en la aparición de un número significativo de piezas defectuosas, es
decir, producir piezas defectuosas con una probabilidad δ. La media se puede desplazar,
tanto superior µU como inferiormente µL, un valor tal que la probabilidad de estar fuera de
las especificaciones sea δ. Supondremos que la variabilidad del proceso está bajo control.
Para especificar los nuevos límites de control de la carta modificada, tendremos en cuenta
que el valor de la media tiene que estar entre µU y µL, se pueden calcular mediante:

Z
Donde  representa el punto porcentual superior 100(1-α) de la distribución normal
estándar.
 Z
Para estimar estos límites lo más común es que la  tenga un valor de 3.
Para los gráficos de control modificados debe utilizarse una buena estimación de σ. En los
casos en los que la variabilidad en el proceso cambia, los límites de control modificados no
son adecuados y en su lugar se debe usar un gráfico R o S.

4. Herramientas Tecnológicas para la elaboración de Gráficas de Control

Las gráficas de control son comúnmente utilizadas para monitorear el control estadístico del
proceso o SPC por sus siglas en ingles. APQP, PPAP, AMEF y MSA pertenecen al grupo de
herramientas conocidas como Core Tools del sector automotriz, que es un requerimiento
del ISO/TS 16949.
Microsoft Excel
Es un programa integrado en el paquete Microsoft Office, con funciones de hoja de cálculo
para crear tablas, calcular y analizar datos. No se trata de una herramienta creada
específicamente para realizar diagramas de Gantt pero sí ofrece funciones avanzadas a la hora
de diseñar gráficos de todo tipo.
Minitab
Es un programa de computadora diseñado para ejecutar funciones estadísticas básicas y
avanzadas. Combina lo amigable del uso de Microsoft Excel con la capacidad de ejecución de
análisis estadísticos.

ISOTools Excellence
Con la herramienta Software de ISOTools Excellence, las organizaciones pueden sacar el
máximo rendimiento a las herramientas de control de calidad, de manera automatizada. Esto
facilitará el trabajo para aquellas organizaciones que deseen realizar la transición a ISO
9001:2015 de manera sencilla y eficaz, siendo una alternativa para mejorar la rentabilidad y
eficacia del Sistema de Gestión de la Calidad de una organización.
http://asesordecalidad.blogspot.com/2017/09/control-estadistico-de-los-procesos-
cep.html#.XP6Nl1wzbIU

2. Objetivos grafico de control

https://ingenioempresa.com/grafico-de-control/

https://spcgroup.com.mx/grafica-de-control/

https://www.monografias.com/trabajos107/grafica-control/grafica-control.shtml obj