Está en la página 1de 8

Estadística: Capítulo IX: Control estadístico de la Calidad 143

CAPITULO IX

CONTROL DE ESTADÍSTICO DE LA CALIDAD

Todo proceso presenta alguna variación. Cuando se manufactura un producto, la mediciones en el producto
final invariablemente mostrarán variaciones provenientes de variaciones involuntarias dentro del proceso,
así como variaciones aleatorias. Diversos factores participan en un proceso productivo y un cambio en ellos
causará alguna variación en el producto final. Estas variaciones pueden provenir de diferencias entre
máquinas, variaciones entre los lotes, diferencias entre la materia prima de los proveedores, variaciones en
el ambiente y muchas más. A pesar del hecho de poner gran esfuerzo en el control de esa variabilidad, se
encontrará aún mucha variabilidad en el producto final. Por lo tanto, un objetivo primordial es el control de
esa variabilidad.
Las cartas de control estadístico, o de modo más general, los métodos de control estadístico de procesos
son procedimientos útiles para el monitoreo de las variaciones de un proceso y para generar información
sobre la estabilidad de un proceso. Es importante verificar la estabilidad de un proceso, ya que los procesos
inestables resultarán con pérdidas de la producción, productos defectuosos, baja calidad y en general,
pérdida de la confianza del consumidor. Por ejemplo, en la producción de cilindros de concreto, la tensión
de compresión es importante de ser controlada; la medición de un pequeño número de cilindros de
concreto, (dos veces en cada guardia de producción) puede proporcionar valiosa información sobre la
variabilidad del proceso.
9.1. Cartas X y Cartas R ó cartas Shewhart de control.
Una carta de control es una carta de resúmenes estadísticos de muestras que se toman secuencialmente
en el tiempo. Generalmente, como datos que se representan en las cartas de control, se utiliza el promedio
de muestra y una medida de la variabilidad, tal como la desviación estándar o el rango.
Las gráficas de control construidas para vigilar una característica de calidad por lo regular se basan en
muestras aleatorias de varias unidades de producto , más que en las características de unidades
individuales. Por ejemplo, en la Tabla 9.1 se muestran datos de la resistencia a la compresión de bloques
de concreto y el promedio de muestras de tamaño n = 5; dos veces durante cada guardia de producción se
extraen de la línea de producción y se determina su resistencia a la compresión y el promedio se ingresa en
la carta de control, Figura 9.1. Debido a que se grafican promedios, a estas cartas se les denomina cartas
X . En las Figura 9.2 se grafica la variabilidad de las muestras en función del tiempo, considerando los
rangos de muestras sucesivas; a estas cartas se les denomina cartas R.
Tabla Nro. 9.1: Resistencia a la compresión de concreto (kg/cm2)
Muestra Resistencia a la compresión X R
1 91 88 88 90 93 88.0 8
2 84 89 80 79 87 83.8 10
3 93 90 87 89 85 88.8 8
4 76 84 82 79 82 80.6 8
5 83 85 81 80 86 83.0 6
6 84 84 90 79 83 84.0 11
7 83 89 80 82 91 85.0 11
8 78 79 90 81 85 82.6 12
9 82 81 87 86 79 83.0 8
10 88 90 83 84 87 86.4 7
X = 84.52 R=8.9
11 79 87 82 85 83 83.2 8
12 72 79 76 77 78 76.4 7
Las cartas de control también incluyen los denominados límites de control, los cuales ayudan a determinar
si un determinado promedio (o rango) se encuentra ‘dentro de los límites aceptables’ considerando la
natural variabilidad. Por medio de estos límites, las graficas de control permiten distinguir entre la normal
variación esperada (variación debida a causas comunes) y la variación originada por cambios inesperados.
Si los valores que se miden caen dentro de los límites de control, no debe de intentarse modificación alguna
en el proceso. Sin embargo, si se observa que un valor cae fuera de los límites de control, se debe concluir
que algo anómalo esta ocurriendo dentro del proceso. Esto último condiciona a que se tomen medidas
correctivas al proceso.
Estadística: Capítulo IX: Control estadístico de la Calidad 144

La explicación para la validez de estos límites de control esta en lo siguiente. Supóngase que las
observaciones provienen de distribución normal estable con promedio  y varianza 2. Entonces el
promedio X de una muestra aleatoria de tamaño n tiene una distribución normal con promedio  y varianza
2/n. Si estos promedios son llevados a una carta, la probabilidad de que el promedio de una muestra caiga
entre   3 / n y   3 / n es 0.9974. Si  y  son conocidos, a los valores   3 / n y
  3 / n se les denomina el límite de control inferior (LCI) y el límite de control superior (LCS)
respectivamente. De modo que en un proceso estable, la probabilidad de que X caiga entre LCI y LCS es
muy grande. Consecuentemente, es muy raro que el promedio de una muestra X , proveniente de un
proceso estable, caiga fuera de estos límites de control.

Carta X de Resistencia a la Compresión de Concreto


Promedio = 84.52 Proc. sigma: 3.82631 n = 5

89.6535

84.5200

79.3865

1 2 4 6 8 10
Muestras

Figura 9.1: Carta X para las muestras de la Tabla 9.1

Carta R para Resistencia a la Compresión de Concreto


Promedio de rango = 8.90000 Sigma = 3.30632 n=5

18.8189

8.90000

0.00000
1 2 4 6 8 10
Muestras
Figura 9.2: Carta R para las muestras de la Tabla 9.1
Desafortunadamente, por lo general no se conoce si un proceso es estable o no, ni tampoco se conoce los
valores de  y. Por lo tanto, se inicia tomando varias muestras, todas de tamaño n. Sean k muestras, tal
x1 , x 2 , x3 , ... x k y s1, s2, s3 .... sk. Sean los promedios y desviaciones estándar respectivamente de estas
muestras. Con ello se puede estimar  como el promedio de las desviaciones estándar
s  ( s1  s 2  ....  s k ) / k . Más aun, es razonable considerar satisfactorio el promedio de nk observaciones de
estas k muestras y considerar que x  ( x1  x 2  ...  x k ) / k es la línea central de la carta de control, tal que
se utiliza a x como un estimado de .

Con estos estimados, los límites de control alrededor de la línea central x se dan como:
Estadística: Capítulo IX: Control estadístico de la Calidad 145

x - A3 s y x + A3 s de donde la constante A3 se selecciona de modo que A3 s es un buen estimado de


(3/ n ). La constante A3 depende del tamaño de la muestra n y se proporciona en la Tabla C1. Obsérvese
que A3 en la Tabla es siempre ligeramente mayor que 3 / n ; esto es en razón de que se utiliza un
estimado de  por medio de s . También se puede observar que para muestras de tamaño moderadamente
grande, A3 y 3 / n son muy semejantes; así, para n= 5, A3 = 1.43, mientras que 3 / 5 = 1.34; para n=
10, A3 = 0.98, mientras que 3 / 10 = 0.95; para valores más grandes de n, la diferencia desaparece casi
completamente.

Un procedimiento alternativo y válido para calcular (3 / n ) consiste en lo siguiente: se determina R1,
R2,...,Rk provenientes de k muestras; se calcula el R = (R1 + R2 +...+Rk)/k ; con lo cual se puede demostrar
que A2 R es un buen estimado de (3 / n ) cuando la muestra proviene de una distribución normal, (la
constante A2 depende del tamaño de muestra n, y se determina de la Tabla C1). Con este procedimiento,
 
la carta x consiste de una linea central en x (como un estimado de ) y los límites de control como x 
A2 R .
En el control de calidad, no solo se quiere controlar el valor medio de alguna característica de calidad, sino
también su variabilidad. Un incremento en la desviación estándar del proceso, σ, implica que la variable de
la característica de calidad varía dentro de un intervalo más amplio, aumentando así la probabilidad de
obtener un producto inferior.
Las cartas de control para medir la variabilidad pueden hacer uso de el rango R o la desviación estándar, s.
Las cartas R utilizan el promedio de k muestras, R . Los límites de control máximos y mínimo se determinan
por: LCI = D3 R y LCS = D4 R . Las constantes D3 y D4 (que se obtienen de la Tabla C1) corresponden a
valores tales que la probabilidad de que el rango de una muestra cualquiera caiga fuera de estos límites sea
extremadamente pequeña.
En resumen, la construcción de las cartas de control se puede efectuar tomando muestras de n = 4 ó 5 en
diferentes períodos; recomendados k = 10 ó 20 para determinar los límites de control. La frecuencia del
muestreo depende de la estabilidad del proceso; a más estable el proceso menor será la frecuencia de
muestreo. También dependerá del perjuicio que pudiese ocasionar en la producción el hecho de que se
este trabajando fuera de control; y también por su puesto, de los costos de muestreo. Para cada muestra se
calcula el promedio:
1 n
x  xi
n j 1
y el rango:
R = max(x1, x2 ...,xn) – min(x1, x2 ...,xn)
Y se introducen estos valores en las cartas X y R. De los promedios de k muestras se determina el gran
promedio:
 1 k
x  xi
k j 1
y el promedio de rangos:
1 k
R  Rj
k j 1
Estos dos últimos valores constituyen las líneas centrales de las cartas X y R. Las líneas de límites de
control inferior y superior para las cartas X son respectivamente:
 
LCI  x  A2 R y LCS  x  A2 R
y para las cartas R son:

LCI  D3 R y LCS  D4 R
Para un proceso estable, los valores provenientes de muestreo deben caer dentro de los límites de control.
Si el proceso experimenta una variación significativa, el promedio de muestra y/o el rango muy
Estadística: Capítulo IX: Control estadístico de la Calidad 146

probablemente excederán las líneas de los límites de control, lo que condicionará a efectuar las
correcciones necesarias.
Considérese los datos de la Tabla 9.1, que corresponden a los valores de resistencia a la compresión de k
= 10 muestras, cada una de tamaño n = 5. Con muestras de tamaño n = 5, de la Tabla C1 se obtiene A2 =
0.577, D3 = 0, D4 = 2.115. Con estos valores, para la carta X se obtiene:
 
LCI  x  A2 R  84.52  (0.577) (8.9) y LCS  x  A2 R  84.52  (0.577) (8.9)
y para las cartas R son:
LCI  D3 R  (0) (8.9)  0 y LCS  D 4 R  ( 2.115) (8.9)  18.82

Estos límites se observan en las Figuras 9.1 y 9.2. Se puede observar en las figuras que los promedios y
rangos de las 10 muestras caen dentro de los límites de control, lo cual es de esperarse ya que el proceso
esta bajo control; pero observese que la muestra Nro.12, (Tabla 9.1), presenta un promedio de 76.4 y se
encontraría por debajo del limite de control inferior de la carta X . Naturalmente, este evento debe llamar la
atención del personal de proceso e investigar las razones para tal ocurrencia, lo que debe concluir con la
eliminación de la causa que originó tal evento.
9.2. Cartas p y cartas c.
Las cartas de control no solo son útiles para promedios y rangos, sino también para proporciones, p. ej. en
evaluación de proporción de artículos defectuosos. No solo las aplicaciones en ingeniería, sino todo aquella
situación en la que los datos son obtenidos secuencialmente en el tiempo.
Asúmase por ejemplo que se quiere verificar si un producto fabricado es satisfactorio. Por ejemplo, si un
supervisor de producción revisa n artículos cada cierto período (cada hora, medio día, diario, etc.
dependiendo de las condiciones del proceso), y observa la cantidad de artículos defectuosos, d, dentro de
estos n artículos. Si esta operación se efectúa por k períodos, se obtendrá un total de artículos defectuosos
equivalente a d1, d2, ..., dk. La fracción promedio de artículos defectuosos es igual a:
d1  d 2  ...  d k
p
nk
La teoría estadística indica que dentro de un proceso estable (un proceso que produce artículos
defectuosos en un proporción de p ) toda fracción futura de defectuosos, d/n, se encontrará entre los límites
inferior o superior:
p (1  p ) p (1  p )
LCI  p  3 y LCS  p  3
n n
Los límites 3 se obtienen de una distribución de muestreo de proporciones, la cual tiene una varianza p(1-
p)/n. Estas líneas de límites de control se grafican en una carta junto con linea central en p . Ya que se
grafican las fracciones de defectuosos o porcentajes, a estas cartas se les denomina cartas p. Alguna
fracción que caiga fuera de estos límites, sugiere que el proceso esta fuera de control y que la fracción de
defectuosos ha cambiado. En particular, un punto que sobrepase el límite de control superior indica que el
proceso se ha deteriorado. En esta circunstancia se deberá buscar las razones del súbito incremento en el
número de artículos defectuosos.
Por ejemplo, en una fabrica de fusibles, cada hora se prueban n = 50 fusibles; para k = 20 horas se detecta
el siguiente numero de defectuosos:
1 1 3 0 2 4 0 0 1 2 3 2 0 1 1 1 3 0 0 2

Ya que nk = 1000, entonces:


27
p  0.027
1000
es el promedio de la fracción de defectuosos. Los limites de control inferior y superior son respectivamente:
p (1 p) (0.027) (0.973) p (1 p ) (0.027) (0.973)
LCI  p  3  0.027  3   0.042 y LCS  p  3  0.027  3  0.096
n 50 n 50
Ya que el LCI < 0 y que la fracción de defectuosos no puede ser nunca menor que cero, generalmente se
establece el LCI en cero es omitido. En la Figura 9.3 se grafican estos 20 valores. Posteriores
determinaciones de defectuosos se insertan en esta gráfica y se observa si el proceso esta ‘en control’.
Estadística: Capítulo IX: Control estadístico de la Calidad 147

Carta P: proporcion de fusibles defectuosos


Promedio = 0.270 Sigma = 0.022922 n = 50

0.10
.095766

0.08

Fracción de defectuosos, p
0.06

0.04

.027000
0.02

0.00 0.00000
1 5 10 15 20
Muestras

Figura 9.3: Carta p para los datos de fusibles defectuosos.


Si por ejemplo en una muestra de n=50 se detecta 5 fusibles defectuosos, la fracción 5/50=0.1 es una señal
de alerta que merece alguna revisión de las condiciones del proceso. En este ejemplo se establece que 2.7
% de defectuosos es la cantidad máxima a partir de la cual se genera una alarma.
Las cartas c son semejantes a las cartas p con la diferencia que considera el número de defectos o fallas
en cierta unidad producida (rollo de tela, en la longitud de un alambre, etc). Supóngase que se evalúa el
número de manchas en una lámina continua de fierro estañado. Esta operación que se efectúa por k horas ,
observándose c1, c2,..., ck observaciones con promedio:

1 k
c  ci
k i 1
La carta c es una gráfica secuencial en el tiempo de el número de defectos ci. La linea central se define con
c y los limites inferior y superior de control son respectivamente:

LCI  c  3 c y LCS  c  3 c
los cuales son aproximaciones a los límites 3 de la distribución de Poisson.
Por ejemplo, se observa k = 15 veces laminas de 50 pies y se determina el siguiente número de manchas:
2 1 1 0 5 2 3 1 1 2 0 0 4 3 1

El promedio es c  26 / 15 1.73 y;

LCI  c  3 c  1.73  3 1.73   2.22 y LCS  c  3 c  1.73  3 1.73  5.68


En la Figura 9.4 se grafica la carta c respectiva. Punto que caigan fuera de los límites de control indicaran
que el proceso se torna inestable.

Carta c para manchas en plancha estañada


Promedio = 1.73333 Sigma = 1.31656
6
5.68302

5
Número de manchas, c

2
1.73333

0 0.00000
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
Muestras

Figura 9.4: Carta c para los datos de manchas en planchas estañadas.


Estadística: Capítulo IX: Control estadístico de la Calidad 148

9.3. Cartas SumCum.


Las cartas de control de Shewhart proporcionan gráficos muy útiles de los datos y son elementos simples
que indican si un proceso empieza a tornarse inestable. La desventaja más importante de estas cartas es
que son relativamente insensibles a pequeños o moderados cambios en el valor promedio, del orden de 1.5
 o menos. Supóngase por ejemplo que el promedio de un proceso se ha variado en  + \, con lo que la
probabilidad de que una sola observación caiga fuera del límite superior es de 0.023; o dicho de otro forma,
si por una circunstancia anormal el promedio de un proceso se desplaza una , solo después de 44
observaciones se espera que haya una aparición sobre el LCS.
Se puede mejorar la respuesta de estas cartas, graficando los datos con dos límites adicionales, por
ejemplo a 1 y 2  desviaciones del promedio; es decir, dos líneas adicionales    / n y   2 / n . Al
respecto de esto, en el Manual de la Compañía General Electric (1956), se definen reglas para hacer más
eficiente la respuesta de las cartas de control. Estas son:
1. Falta de control se detecta cuando un solo punto ( x ) fuera del límite de control 3, que se determina
por x  A2R, que es la regla usual.
2. Falta de control se detecta cuando al menos dos de tres puntos sucesivos ubicados en el mismo lado
de la línea central, caen fuera del limite 2, aproximado por x  2 A2 R / 3 .

3. Falta de control se detecta cuando al menos cuatro de cinco puntos sucesivos ubicados en el mismo
lado de la línea central, caen fuera del limite 1, aproximado por x  A2 R / 3 .

4. Falta de control se detecta cuando al menos ocho puntos sucesivos caen al mismo lado de la línea
central.
Cuanto más de estas reglas se tomen en consideración, las cartas serán más sensibles a variaciones del
promedio; sin embargo, cuanto más de estas reglas se pongan en uso, aumentarán también las
probabilidades de detener innecesariamente el proceso.
Una alternativa muy eficaz para las cartas de control de Shewhart es la carta de control de suma acumulada
(SUMCUM). Esta carta tiene un desempeño mucho mejor en la detección de cambios pequeños,
comparada con las cartas de Shewhart.
La carta SUMCUM grafica las sumas acumuladas de las desviaciones de los valores muestrales con
respecto a un valor específico. Por ejemplo, supóngase que se toma muestras de tamaño n  1 y que x j
es el promedio de la j-ésima muestra. Entonces si o es el valor deseado de la media del proceso, la carta
de control de suma acumulada se forma al graficar la cantidad:
i
Si   x
j 1
j  o 

contra el número de muestra i. Ahora bien, Si es la suma acumulada hasta la i-ésima muestra inclusiva.
Dado que combinan información de varias muestras, las cartas de control de suma acumulada son más
eficaces que las de Shewhart para la detección de variaciones pequeñas en el proceso. Por otra parte, son
particularmente eficaces con muestras de tamaño n=1. Esto hace que la carta de suma acumulada sea un
buen candidato para emplearla en industrias químicas y de procesos, donde es frecuente que los
subgrupos racionales sean de tamaño uno.
Si el proceso permanece bajo control en el valor deseado o , la suma acumulada definida por la anterior
ecuación debe fluctuar alrededor de cero. Sin embargo, si la media se desplaza hacia arriba por algún valor,
por ejemplo 1 > o, entonces aparecerá en la suma acumulada Si un corrimiento hacia arriba o positivo. Si la
media se desplaza hacia abajo por alguna cantidad, por ejemplo 1 < o, entonces aparece una tendencia en
los puntos ya sea hacia arriba o hacia abajo, entonces debe considerarse esta como evidencia de que la
media del proceso se ha desplazado, con lo que debe emprenderse la búsqueda de una causa asignable.
Por ejemplo, en la Tabla 9.2 se muestra 20 observaciones de concentración en la salida de un proceso
químico; las observaciones se toman a intervalos de una hora.
Puesto que las lecturas de concentración son mediciones individuales, debe tomarse X j  X j en el cálculo
de la SUMCUM. Supóngase que el valor deseado para la concentración es o = 99; entonces la SUMCUM
es:
Estadística: Capítulo IX: Control estadístico de la Calidad 149

Tabla 9.2: Mediciones de concentración de un proceso químico y cálculos SUMCUM .


Observación Concentración Xi - 99 Si = (xi – 99)+Si-1
1 102.0 3.0 3.0
2 94.8 -4.2 -1.2
3 98.3 -0.7 -1.9
4 98.4 -0.6 -2.5
5 102.0 3.0 0.5
6 98.5 -0.5 0.0
7 99.0 0.0 0.0
8 97.7 -1.3 -1.3
9 100.0 1.0 -0.3
10 98.1 -0.9 -1.2
11 101.3 2.3 1.1
12 98.7 -0.3 0.8
13 101.1 2.1 2.9
14 98.4 -0.6 2.3
15 97.0 -2.0 0.3
16 96.7 -2.3 -2.0
17 100.3 1.3 -0.7
18 101.4 2.4 1.7
19 97.2 -1.8 -0.1
20 101.0 2.0 1.9
i i
Si    x j  o     x j  99o 
j 1 j 1

 
i 1
  X i  99    x j  99
j 1

  X i  99  Si 1

La Tabla 9.2 muestra el cálculo de esta SUMCUM, donde el valor inicial de la SUMCUM, So se toma
igual a cero. La Figura 9.5 es la gráfica de la SUMCUM tomada de la última columna de la Tabla 9.2.
Nótese que la SUMCUM fluctúa alrededor del cero.
En las cartas SUMCUM es el promedio de la pendiente de la línea es de importancia. Segmentos
horizontales en tales cartas corresponden a periodos en donde el valor promedio del proceso y el de
referencia son los mismos. Cuanto más se aleje el valor promedio del valor de referencia, la pendiente de la
línea SUMCUM se hace más pronunciada.
El incremento de la pendiente indica que el promedio del proceso se ha incrementado. Se debe
entonces establecer reglas que ayuden a decidir si tal incremento realmente proviene de un cambio en el
nivel o si tan solo son fluctuaciones aleatorias en el proceso.
CUSUM CHART Mean: 99.09500 (99.0000) Proc. sigma:1.97603 (1.97603) N:1
4 4

3 3

2 2

1 1
SUMCUM Si

0 0

-1 -1

-2 -2

-3 -3

-4 -4
1 5 10 15 20
Observación

Figura 9.5: Gráfica SUMCUM para los datos de concentración de la Tabla 10.2.
Estadística: Capítulo IX: Control estadístico de la Calidad 150

EJERCICIOS GRUPO V
_
1. La longitud de una pieza metálica es vigilada mediante el empleo de cartas X y R. La Tabla
siguiente proporciona la longitud para 20 muestras de tamaño 4. (Las mediciones están
codificadas a partir de 5.00 mm; esto es, 15 es 5.15 mm).

Observación Observación
Muestra 1 2 3 4 Muestra 1 2 3 4
1 15 10 8 9 11 13 8 9 5
2 14 14 10 6 12 10 15 8 10
3 9 10 9 11 13 8 12 14 9
4 8 6 9 13 14 15 12 14 6
5 14 8 9 12 15 13 16 9 5
6 9 10 7 13 16 14 8 8 12
7 15 10 12 12 17 8 10 16 9
8 14 16 11 10 18 8 14 10 9
9 11 7 16 10 19 13 15 10 8
10 11 14 11 12 20 9 7 15 8

_
a) Construya las cartas X y R. El proceso se encuentra bajo control estadístico?
b) Las especificaciones son 5.10 ± 0.05 mm. Qué puede decirse sobre la capacidad del proceso?

2. La pureza de un producto químico se mide cada dos horas. A continuación se presentan los
resultados de 20 mediciones consecutivas.
a) Construya las cartas SUMCUM para este proceso. Utilice σ = 0.8 y suponga que el valor deseado
del proceso es 90. El proceso parece estar bajo control?
b) Suponga que las cinco observaciones siguientes son: 90.75; 90.00; 91.15; 90.95; y 90.86.
Aplique la SUMCUM a estas nuevas observaciones. ¿Existe alguna evidencia de que el proceso ha
entrado fuera de control?
Muestra Pureza Muestra Pureza
1 89.11 11 88.55
2 90.59 12 90.43
3 91.03 13 91.04
4 89.46 14 88.17
5 89.78 15 91.23
6 90.05 16 90.92
7 90.63 17 88.86
8 90.75 18 90.87
9 89.65 19 90.73
10 90.15 20 89.78

También podría gustarte