CONTROL ESTADÍSTICO DE CALIDAD

IN2004

Tema 4: Gráficos de Control y

Capacidad de Procesos
4.1 Gráficos de Control Shewhart

1
 Componentes de un Gráfico de
Control

LSC
+3σ Zona A
+2σ Zona B Zona A = Externa
Media del +1σ Zona C
Zona B = Media
proceso -1 σ Zona C
-2 σ Zona B Zona C = Interior
-3 σ Zona A
LIC

Para los gráficos de medias de Shewhart, los Límites de Control

se colocan a +3σx de la media del proceso

2
 MODELO DE GRÁFICO DE CONTROL
SHEWHART (y sus bases estadísticas)

α/2
Límite Superior de Control

3 x

3 x
X
X
3 x 99.73% de los valores
promedio caerán entre
estos límites

Límite Inferior de Control

α/2
Tiempo σ
σX =
n
3
 Pruebas de Hipótesis
Un Gráfico de Control es una representación gráfica de una prueba de hipótesis
de dos extremos con H0 y Ha definidos:

α/2
H0: Xi = µ0
UCLx
Ha: Xi µ0
X = µ0
Cuando un punto (media de un
LCLx subgrupo) cae afuera de los límites
de control, significa que existe una
α/2 diferencia significativa entre el
promedio de esa muestra y el
Para límites 3σ, α/2 = 0.00135 promedio histórico.
El nivel de confianza aproximado
para +3σ es de 99.73%.

4
 Errores de Muestreo
Para poder medir y entender la variación en un
proceso, se toman y analizan muestras de su salida.
Los resultados son la base para decidir sobre el estado
del proceso. Esto conlleva a dos tipos de riesgos
estadísticos:

RIESGO DEL PRODUCTOR: Los resultados de la muestra

indican que el proceso no está bajo control cuando, en
realidad, no existe nada malo en él. Este es conocido
también como el Error Tipo I (α) (FALSA ALARMA)

RIESGO DEL CONSUMIDOR: Los resultados de la

muestra indican que no existe nada malo en el proceso,
cuando en realidad el proceso tiene problemas. Este es
conocido también como el Error Tipo II (β).
5
 Evaluación del Error de Decisión
H0: el proceso está en
Verdadera
control (estable) 1 - β = Probabilidad
H0 Ha de detectar un
Ha: el proceso está fuera (En control) (Fuera de control) cambio específico en
de control (inestable) el universo (con la
muestra dada) si
Error Tipo II actualmente existe

β
Proceso
aceptable
Decisión una diferencia que
detectar.
Correcta (aceptar H0 También llamada
H0 siendo falsa) “Poder de la
Prueba.” Mediante las
Aceptar CCO es posible
conocer este valor.
Error Tipo I
Ha
Proceso
α Decisión
inaceptable
(rechazar H0 Correcta
siendo
verdadera)

1 - α = Confianza de que el resultado observado en la muestra es “real”;

es decir, el resultado no fue un error aleatorio en el muestreo, por lo tanto 6
refleja el verdadero estado de cosas en el universo.
 Cálculo del Riesgo β
Se quiere calcular la probabilidad de detectar un
cambio en la media de µ0 a X

β=probabilidad de NO detectar el cambio

(Área Azul)

LIC X µ0 LSC

1-β=probabilidad de SI detectar el cambio

(Área Roja)

7
 Tres Premisas Básicas para el CEP

• Integridad de los Datos. Tener datos verídicos es

vital para evitar malentendidos y correcciones
dañinas.

• Las Características de Calidad que estén bajo el

estudio del CEP deben estar claramente definidas,
comprendidas y haber sido acordadas por todas las
personas involucradas. La aplicación de los criterios
debe ser consistente.

• Subgrupos Racionales. Un subgrupo racional para

un proceso en control reflejará únicamente variación
debida a causas comunes.
8
 Recomendaciones para el
Muestreo
 Tamaño de la Muestra
Gráfico para datos continuos (variables): 5 si es posible
Gráfico para datos discretos (atributos): 30 ó más dependiendo de
los porcentajes de defecto en el proceso.

 Frecuencia de la Muestra
No demasiadas (muy costoso).
No muy pocas (la información no es confiable).
Como regla general: mientras más continuo, es mejor.
Los sistemas de medición en línea ofrecen control del proceso en el
tiempo real.

 Subgrupos racionales
Las mediciones se deben capturar cuando los factores clave
de un proceso son constantes.

9
 Impacto del Tamaño del
Subgrupo
LSC
LSC
LSC

LIC
LIC
LIC

n=3 n = 10 n = 25

Si el tamaño de la muestra aumenta, los límites de control se acercarán.

Esto tiene el efecto de incrementar la sensibilidad del gráfico a cambios
pequeños en el promedio. También disminuye la probabilidad del error
tipo II (β).
Como regla general, para datos continuos el tamaño del subgrupo (n)
debe ser: 3 ≤ n ≤ 6.

10
 Dos Tipos de Datos

• ATRIBUTOS: Datos discretos. Son el resultado de usar

instrumentos de medición “pasa/no pasa”, o de la inspección de
defectos o problemas visuales, partes omitidas, o de decisiones
de pasa/no pasa, sí/no, aceptado/rechazado, etc.

• VARIABLES: Datos continuos (mediciones). Son el resultado

de una medición real de una característica tal como el tiempo de
procesado de una solicitud de crédito, la cantidad que pagamos
mensualmente de IVA, la resistencia a la tensión del acero, el
diámetro de un tubo, etc.

11
 TIPOS DE GRÁFICOS DE CONTROL
(Minitab 15)
PARA DATOS CONTINUOS (mediciones)
 X-R (I-MR) (Individuos y Rango Móvil)

 X-R (Medias y Rangos)

 X-S (Medias y Desviaciones Estándar)

PARA DATOS DISCRETOS (atributos)

 P (proporción/fracción de productos no conformes)

 NP (número/cantidad de productos no conformes)

 C (número/cantidad de no conformidades/defectos por muestra)

 U (no conformidades/defectos por unidad)

12
 Selección del Gráfico de Control
(adecuada por Ivonne Abud Urbiola de Peter S. Pande “Las Claves Prácticas de Seis Sigma”)

Inicio

Discretos (atributos) Continuos (mediciones)

¿Tipo de Datos? Los datos tienden a estar
normalmente distribuidos debido
al teorema del límite central

Defectos
¿Qué se cuenta? Subgrupos
¿Mediciones
Individuales Racionales
(elementos defectuosos)
individuales o
(una medición al (más de una medición
¿Tamaño de subgrupos? en el mismo momento)
Si mismo tiempo)
subgrupos
Defectivos

constante?
¿Datos No
normales? Sí ¿Se quieren
No detectar cambios
pequeños?
Si
No
¿Aumentar Sí
n?
Sí
¿ Tamaño de ¿n>6?
Si
subgrupos No
No
constante?

No Promedio Sumas
Móvil Acumuladas

Gráfico U Gráfico C o U Gráfico P Gráfico NP o P I-MR MA, EWMA, CUSUM X-R o X-S X-S

Rango Móvil
Promedio
Móvil con
Ponderación 13
Exponencial
 PASOS PARA EMPEZAR UN
GRÁFICO DE CONTROL
1. Seleccionar las características de calidad a ser controladas.
2. Seleccionar el tipo de gráfico de control adecuado.
3. Seleccionar la línea central del gráfico y los límites de control.
4. Establecer un sistema de recolección de datos.
Definir el subgrupo racional (muestra).
Desarrollar formatos para recolección de datos.

5. Preparar procedimientos estándar de operación para desarrollar

los gráficos de control.
6. Verificar que el sistema de medición es capaz.
7. Verificar que el personal que participa está correctamente
entrenado.
8. Recolectar los datos.
9. Calcular los límites de control y la media del proceso (si aún no se
han seleccionado).
10. Entrenar sobre el significado e interpretación en tiempo real de los
resultados. 14
 Elaborando GRÁFICOS DE CONTROL
La selección de subgrupos racionales es fundamental:
• Muestras de tamaño “n” cuya variación se atribuye sólo a un sistema
constante de causas comunes. La idea es minimizar la ocurrencia de
causas especiales dentro de un subgrupo, para así maximizar la
oportunidad de detectar causas especiales entre subgrupos. Tomar piezas
consecutivas.
• Muestreos de: diferentes máquinas, períodos prolongados de tiempo y
productos combinados de varias fuentes, son todos métodos no
racionales.
• Tomar muestras periódicamente y en la hora especificada para estudiar
cambios en el proceso entre intervalos especificados.
• Como regla general, de 25 a 50 subgrupos para iniciar el GC (para proveer
bases sólidas para estimar la media del proceso y su variabilidad).
• Seleccionar “n” entre 3 y 6 (comúnmente y para procesos totalmente
nuevos n=4 ó 5 a intervalos de 1 ó 2 horas máximo).
• Una vez que el proceso se encuentra en control estadístico, se deben
recalcular periódicamente los límites de control como una buena práctica
(por ejemplo, después de que se ha mejorado la capacidad del proceso).
15
 Elaborando GRÁFICOS X-R, X-S
• Calcular la Media ( Xi ) y el Rango o Desviación (Ri, Si) de cada subgrupo.

• Calcular X (media de medias), éste es un estimado de la media del proceso (µ)

y se convierte en la línea central del gráfico.

• Calcular R o S (media de los rangos o media de las desviaciones de los

subgrupos).

• Calcular los límites de control para ambos gráficos (medias, rangos,

desviación estándar)

• Graficar los puntos e interpretar ambos gráficos (medias, y R, S)

• Si es un estudio inicial o se revisa la habilidad del proceso, recalcular todo

después de excluir los PFC si existiesen. De esta forma se estima
adecuadamente la variación debida sólo a causas comunes.
Nota: Es más recomendabe que para los GC que usan rangos (R) el tamaño
de muestras o subgrupos n” sea constante.
Cuando “n” varía se deben calcular promedios ponderados y límites de
control individuales.

16
 Elaborando GRÁFICOS I-MR
• Verificar la normalidad de los datos (de no ser normales no puede
utilizarse este tipo de gráfico, usar en dichos casos CUSUM, EWMA, MA).

• Calcular los rangos móviles (MR) de los datos (entre 2 datos consecutivos
“n=2”, entre 3 datos consecutivos “n=3, etc., recomendable “n=2”).

• Calcular X (media de las mediciones individuales). X es un estimado de la

media del proceso (µ) y se convierte en la línea central del gráfico.

• Calcular MR (media de los rangos móviles).

• Calcular los límites de control para ambos gráficos (medias y rangos

móviles).

• Graficar los puntos e interpretar ambos gráficos (I-MR)

• Si es un estudio inicial o se revisa la habilidad del proceso, recalcular todo

después de excluir los PFC si existiesen. De esta forma se estima
adecuadamente la variación debida sólo a causas comunes. 17
 PRUEBA 1
Puntos extremos fuera de los límites
de control

UCL
x

LCL
x

Un punto más allá de los límites de control es signo de la

presencia de una condición fuera de control. Esto aplica para X

y R.
18
 PRUEBA 2
Corridas sobre o debajo de la línea central

UCL
x

LCL
x

Las corridas son 9 ó más puntos consecutivos por arriba o

por debajo de la línea central en los gráficos X o R.

La presencia de corridas indica la evidencia de que la media

del proceso o la desviación ha variado a partir de la línea
central. 19
 PRUEBA 3
Tendencias crecientes o decrecientes

UCL
x

LCL
x

Cuando 6 ó más puntos consecutivos, en los gráficos X o R

muestran un incremento o decremento constante, se identifica
una tendencia simétrica del proceso.
20
 PRUEBA 4
Tendencias oscilatorias

UCL
x

LCL
x

Cuando 14 ó más puntos consecutivos oscilan alternando

arriba y abajo de la línea central en los gráficos X o R, se
identifica una tendencia sistemática.
21
 PRUEBA 5 (sólo para GC por variables)
2 de 3 Puntos en la Zona A o más allá (>2σ)

UCL
A x
B
C
X
C
B
A
LCL
x

2 de 3 puntos consecutivos caen en la zona A o más allá

(>2σ), del mismo lado de la línea central. Es una primera
señal de alarma de que el proceso se está desplazando.
22
 PRUEBA 6 (sólo para GC por variables)
4 de 5 Puntos en la Zona B o más allá (>1σ)

UCL
x
A
B
C
X
C
B
A LCL
x

4 de 5 puntos consecutivos caen en la zona B o más allá

(>1σ), del mismo lado de la línea central. También es señal de
alarma de que el proceso se está desplazando
23
 PRUEBA 7 (sólo para GC por variables)
Corrida en la Zona C (+1σ)
(adhesión a la línea central)

UCL
x
A
B
C
X
C
B
A
LCL
x

15 ó más puntos consecutivos en la zona C (en cualquier lado de la

línea central). El proceso muestra menos variación de la esperada
normalmente. Esto se puede deber principalmente a un muestreo
incorrecto, a un cambio (decremento) de la variabilidad del proceso
que no se ha considerado correctamente en los límites de control o
a la manipulación de los datos. 24
 PRUEBA 8 (sólo para GC por variables)
Evitar la línea central (Zona C)

UCL
x
A
B
C
X
C
B
A LCL
x

8 ó más puntos consecutivos se encuentran en cualquier zona

respecto de la línea central sin caer en la zona C (a más de 1σ a
partir de la línea central). Esto puede deberse a que más de un
proceso está siendo graficado en el mismo gráfico, a un
sobrecontrol del proceso o a una técnica de muestreo errónea.
25
 GUÍAS PARA DETERMINAR Y
CAMBIAR LOS LÍMITES
• Calcular los límites de control iniciales mediante un estudio de
capacidad de corto plazo.
• Identificar y corregir las causas especiales primero en el gráfico R,
S, MR.
• Quitar los puntos fuera de los límites de control (outliers).
• Recalcular los límites de control (excluyendo los PFC, cuyas
causas fueron encontradas y corregidas, no olvide excluir el punto
para los nuevos cálculos).
• Graficar nuevamente.
• Verificar que todos los puntos se encuentren bajo control.
• Una vez en control, no recalcular los límites de control a menos
que el proceso sea significativamente mejorado (los límites de los
GC no se actualizan constantemente con nuevos datos).
• El objetivo es mejorar el proceso en el tiempo para hacer más
estrechos los límites de control. 26
 GRÁFICOS DE CONTROL POR
ATRIBUTOS
• Cuando las características de calidad no pueden medirse
y expresarse con mediciones en una escala continua de
valores.
• Decisión dicotómica: Pasa-No pasa, Conforme-No
conforme, Cumple-No cumple, Si-No, Presente-Ausente,
Seleccionado-Rechazado, Adecuado-Defectuoso, etc.
• Se requieren muestras grandes (más que para los GC por
variables continuas).
• Los criterios de aceptación-rechazo deben ser muy claros.
Hacer pruebas (muestras, instrumentos, inspectores,
etc.).
• También hay GC para analizar el comportamiento de
defectos en los productos.
27
 DEFINICIONES DE ATRIBUTOS
Una falla que causa que el artículo no cumpla con las especificaciones
requeridas es llamada un defecto. Cada parte del artículo que carece de
Defecto conformindad en sus especificaciones es un defecto. Un defecto también
es llamado no conformidad.

Un artículo con uno o más defectos es un artículo defectivo. Un artículo

Defectivo
defectivo también es llamado artículo no conforme o defectuoso.

Cantidad de En una muestra de “n” artículos, “d” es la cantidad de artículos

defectivos defectivos en la muestra. También se le llama número no conforme.

En una muestra de “n” artículos, “c” es el número de defectos en la

Número de muestra. Un artículo puede ser sujeto de muchos tipos de defectos
defectos diferentes. La suma de todos los defectos en la muestra es “c”. También
se le llama número o cantidad de no conformidades.

Es la razón del número de artículos defectivos en una muestra “d” y el

Fracción total de artículos de la muestra “n”. La fracción defectiva de la muestra
defectiva “p”=d/n. También se le llama proporción o fracción no conforme. 28
 EJERCICIO
Se tiene una muestra de 16 artículos (recuadros) con los defectos A, B, C y D. Basta un
defecto de cualquier tipo para clasificar el producto como defectivo.

Calcule:
El número de defectos o no conformidades, C.
El número de defectivos o número no conforme, NP.
La fracción defectiva o proporción no conforme, P.
El número promedio de defectos (o no conformidades) por unidad, U.

Tipo de defectos: A, B, C, y D
D BA
A D
D B

B B C
C C

D B
C

A
D B 29
 GRÁFICO DE CONTROL P
Calcula y monitorea la fracción (porcentaje) de unidades
defectuosas en una muestra cuyo tamaño puede ser
variable.

Usos y beneficios:
• Conocer la proporción (porcentaje) media defectuosa de
artículos o servicios que genera el proceso.
• Tener un criterio objetivo para enjuiciar si las muestras
pueden considerarse representativas del proceso.
• Detectar modelos de inspección inadecuados o causas
irregulares de mejora o empeora de la calidad.
• Detectar la necesidad de usar mediciones en
características de calidad específicas.
• Tener información confiable para tomar decisiones sobre
el comportamiento de un proceso. 30
 ELABORACIÓN DEL GRÁFICO P
• Determinar la frecuencia y tamaño de muestra (“n” puede variar aunque
se recomienda que no demasiado (máximo dentro del +25% del
promedio). Inicialmente se sugiere al menos 10 muestras o subgrupos,
preferentemente de tamaño 30 ó más.

• Calcular la fracción defectuosa “pi” de cada muestra o subgrupo.

• Calcular la fracción media defectuosa p. (Si la “n” varía la media debe

ser ponderada).

• Calcular los límites de control (algunas veces el límite inferior es

negativo, entonces se concluye que NO EXISTE y en el gráfico se
considera cero). (Si la “n” varía se deben calcular límites de control
individuales).

• Graficar los límites de control, pi y p (seleccione la escala adecuada)

• Haga la interpretación del GC (verificar casos favorables y

desfavorables).

• Si es un estudio inicial o se revisa la habilidad del proceso, recalcular

todo después de excluir los PFC si existiesen. De esta forma se estima
31
adecuadamente la variación debida sólo a causas comunes.
 GRÁFICO DE CONTROL NP

• Sus usos y beneficios son equivalentes

al GC P, aunque en este caso calcula y
monitorea la cantidad de unidades
defectuosas en la muestra.

• El tamaño de la muestra “n” DEBE ser

constante.

32
 ELABORACIÓN DEL GRÁFICO NP
• Determinar la frecuencia y tamaño de muestra (“n” DEBE ser
constante). Inicialmente se sugiere al menos 10 muestras o
subgrupos, preferentemente de tamaño 30 ó más.

• Calcular la cantidad media de unidades defectuosa NP.

• Calcular los límites de control (algunas veces el límite inferior es

negativo, entonces se concluye que NO EXISTE y en el gráfico se
considera cero).

• Graficar los límites de control, NPi y NP (seleccione la escala

adecuada)

• Haga la interpretación del GC (verificar casos favorables y

desfavorables).

• Si es un estudio inicial o se revisa la habilidad del proceso,

recalcular todo después de excluir los PFC si existiesen. De esta
forma se estima adecuadamente la variación debida sólo a causas
comunes. 33
 DISTRIBUCIONES DE PROBABILIDAD
PARA LOS GC P y NP
BINOMIAL: Experimento aleatorio que consiste en “n” ensayos
repetidos tales que:
• Resultados Dicotómicos: Cada ensayo tiene dos resultados
posibles: éxito-fracaso; bueno-malo; aceptado-rechazado, etc.
• Ensayos Independientes: El resultado de una prueba cualquiera
es independiente del resultado obtenido en la prueba anterior y no
incide en el resultado de la prueba siguiente.
• Estabilidad de la Prueba: La probabilidad de éxito (p), permanece
constante a lo largo de toda la prueba.

También puede utilizarse la aproximación de la Distribución Normal a la

Binomial, tomando en cuenta que es una aproximación. 34
 GRÁFICOS C y U

Aplicación:

• Analizar un tipo de defecto que se distribuye en un flujo

continuo del producto (defectos por metro de tela, burbujas en
un parabrisas, rayones en una silla, etc.)

• Analizar defectos de diferentes fuentes (líneas, operaciones,

procesos, etc.) que aparecen en la unidad inspeccionada.

35
 CLASIFICACIÓN DE LOS
DEFECTOS
CRITICOS
NO CRITICOS
H.F. Dodge clasifica los defectos:

• Clase A, MUY IMPORTANTE: El artículo no es útil para sus

funciones.

• Clase B, IMPORTANTE: Provocará con el tiempo falla en el

artículo.

• Clase C, MODERADAMENTE IMPORTANTE: Con el tiempo

puede causar problemas de menor consideración que la falla del
artículo.

• Clase D, SIN IMPORTANCIA: Defectos secundarios de

presentación que no provocan averías en el artículo.

36
 GRÁFICO DE CONTROL U
Calcula y monitorea la cantidad de defectos por unidad
inspeccionada en una muestra cuyo tamaño puede ser
variable.

Usos y beneficios:
• Conocer la cantidad promedio de defectos por unidad que
generan los procesos.
• Tener un criterio objetivo para enjuiciar si las muestras
pueden considerarse representativas del proceso.
• Detectar modelos de inspección inadecuados o causas
irregulares de mejora o empeora de la calidad.
• Detectar la necesidad de usar mediciones en características
de calidad específicas.
• Tener información confiable para tomar decisiones sobre el
comportamiento de un proceso. 37
 ELABORACIÓN DEL GRÁFICO U
• Determinar la frecuencia y tamaño de muestra (“n” puede variar aunque
se recomienda que no demasiado (máximo dentro del +25% del
promedio). Inicialmente se sugiere al menos 10 muestras o subgrupos,
preferentemente de tamaño 30 ó más.

• Calcular los defectos por unidad “ui” de cada muestra o subgrupo.

• Calcular el promedio de defectos por unidad u. (Si la “n” varía la media

debe ser ponderada).

• Calcular los límites de control (algunas veces el límite inferior es

negativo, entonces se concluye que NO EXISTE y en el gráfico se
considera cero). (Si la “n” varía se deben calcular límites de control
individuales).

• Graficar los límites de control, ui y u (seleccione la escala adecuada)

• Haga la interpretación del GC (verificar casos favorables y

desfavorables).

• Si es un estudio inicial o se revisa la habilidad del proceso, recalcular

todo después de excluir los PFC si existiesen. De esta forma se estima
adecuadamente la variación debida sólo a causas comunes. 38
 GRÁFICO DE CONTROL C

• Sus usos y beneficios son equivalentes al GC U,

aunque en este caso se calcula y monitorea la
cantidad de defectos en la muestra.

• Cada muestra en el gráfico C puede ser un sólo

artículo o varios, siempre y cuando el tamaño de
muestra sea constante (el tamaño de la muestra
DEBE ser constante).

• Cuando n=1, el gráfico C y el gráfico U son idénticos.

39
 ELABORACIÓN DEL GRÁFICO C

• Determinar la frecuencia y tamaño de muestra (“n” DEBE ser

constante). Inicialmente se sugiere al menos 10 muestras o
subgrupos, preferentemente de tamaño 30 ó más.

• Calcular el promedio de defectos por muestra C.

• Calcular los límites de control (algunas veces el límite inferior es

negativo, entonces se concluye que NO EXISTE y en el gráfico se
considera cero).

• Graficar los límites de control, Ci y C (seleccione la escala adecuada)

• Haga la interpretación del GC (verificar casos favorables y

desfavorables).

• Si es un estudio inicial o se revisa la habilidad del proceso,

recalcular todo después de excluir los PFC si existiesen. De esta
forma se estima adecuadamente la variación debida sólo a causas
comunes.
40
 DISTRIBUCIONES DE PROBABILIDAD
PARA LOS GC POR ATRIBUTOS C y U
Un experimento recibe el nombre de POISSON si:

Dado un intervalo de números reales, suponga que el conteo de

ocurrencias es aleatorio en dicho intervalo. Si éste puede
subdividirse en subintervalos suficientemente pequeños tales que:

• La probabilidad de más de una ocurrencia en el intervalo es cero.

• La probabilidad de una ocurrencia en un subintervalo es la misma
para todos los subintervalos y es proporcional a la longitud de
estos.
• El conteo de ocurrencias en cada subintervalo es independiente
del de los demás subintervalos.

41