4

Unidad

Control Estadístico de
Procesos

Gráficos de Control por Atributo

 INFOTEP VIRTUAL CONTROL ESTADISTICO DE
PROCESOS, UNIDAD IV

CONTENIDO

GRAFICOS DE CONTROL POR ATRIBUTOS ..................................................................... 3

Introducción ................................................................................................................... 3

Tests Para Causas Especiales ........................................................................................ 6

Gráfica de control Para Fracción No Conforme - P ........................................................... 7

Gráfica de control np ..................................................................................................... 14

Tamaño De Muestra Variable ........................................................................................ 15

Cartas De Control Para No Conformidades (Defectos) – c y u .......................................... 19

Gráfico C ...................................................................................................................... 19

Tamaño de muestra constante - CARTA c ................................................................... 20

Selección del tamaño de muestra ................................................................................ 24

Gráfica de control de defectos por unidad U.................................................................... 25

Gráfica U ..................................................................................................................... 25

ANÁLISIS DE CAPACIDAD DEL PROCESO ................................................................... 33

Introducción ................................................................................................................. 33

ÍNDICES DE CAPACIDAD ........................................................................................... 37

Índice de capacidad potencial Cp ................................................................................ 37

Índice de capacidad real Cpk ...................................................................................... 40

Capacidad del proceso con cartas de control ................................................................ 42

GLOSARIO ...................................................................................................................... 46

Pag 2
 INFOTEP VIRTUAL CONTROL ESTADISTICO DE
PROCESOS, UNIDAD IV

GRAFICOS DE CONTROL POR ATRIBUTOS

Introducción

Los diagramas de control por atributos constituyen la herramienta esencial utilizada para
controlar características de calidad cualitativas, esto es, características no cuantificables
numéricamente. Muchas características de calidad no pueden ser representadas numéricamente,
denominándose atributos. En tales casos cada artículo completo se clasifica como conforme o
no conforme a especificaciones y/o estándares, es decir como defectivo o no defectivo, no
defectuoso o defectuoso, bueno o malo, discrepante o no discrepante.

Ejemplos de tales características no medibles son la fracción o porcentaje de unidades

defectuosas en la producción (P), el número de unidades defectuosas en la producción (NP), el
número de defectos por unidad producida (U), y el número de defectos de todas las unidades
producidas (C).

Al igual que en los gráficos de control por variables, el diagrama de atributos representa un
estadístico T del proceso (como puede ser el número de defectos) frente al número de la muestra o
al tiempo. Una línea central representa el valor medio o esperado del estadístico, mientras que los
límites de control suelen definir una zona de control que abarca 3σT por encima y por debajo de la
línea central. Estos límites son escogidos de manera que si el proceso está bajo control, casi la
totalidad de los puntos muéstrales se halle entre ellos. Así, un punto que se encuentra fuera de los
límites de control se interpreta como una evidencia de que el proceso está fuera de control. Además,
incluso si todos los puntos se hallan comprendidos entre los límites de control, pero se comportan
de manera sistemática o no aleatoria, también tendríamos un proceso fuera de control.

Pag 3
 INFOTEP VIRTUAL CONTROL ESTADISTICO DE
PROCESOS, UNIDAD IV

Este tipo de gráficos se suele aplicar en situaciones en las que el proceso es una operación de
montaje complicada, y la calidad del producto se mide en términos de la ocurrencia de
disconformidades, del funcionamiento exitoso o fallido del producto, etc.

Los diagramas de control por atributos tienen la ventaja de que hacen posible considerar
varias características de calidad al mismo tiempo y clasificar los productos como disconformes
si no satisfacen las especificaciones de cualquiera de las características.

Tenemos dos opciones a la hora de realizar un gráfico de control por atributos:

1. Podemos comparar un producto con un estándar y clasificarlo como defectuoso o no

(gráficos P y NP)

2. En el caso de productos complejos, la existencia de un defecto no necesariamente

conlleva a que el producto sea defectuoso. En tales casos, puede resultar conveniente
clasificar un producto según el número de defectos que presenta (gráficos C y U).

Pag 4
 INFOTEP VIRTUAL CONTROL ESTADISTICO DE
PROCESOS, UNIDAD IV

Es importante notar que los gráficos P, NP, y U permiten trabajar con muestras de tamaños
diferentes, mientras que los gráficos C están diseñados para muestras de igual tamaño.

Fig. 4.1 Cuando el producto no es funcional es no conforme, defectivo o defectuoso. Puede ser reparado o
desperdicio.

Para controlar productos defectivos o no conformes, se utiliza la gráfica de control p de fracción

defectiva o la np para el número de defectivos o de no conformes. Se aplica a productos simples
(tornillos, lápices, botellas, etc.)

Cuando más bien se controla el número de defectos o no conformidades que se observan en un

producto, se utiliza la gráfica de control para no conformidades o defectos c cuando la
muestra es constante o la u cuando es variable o constante. Se aplica a productos complejos
(coches, TV, cámaras de video, escritorios, refrigeradores, etc.). Un defecto o no conformidad
es una discrepancia respecto a los estándares establecidos o a las especificaciones.

Fig. 4.1 El producto puede ser funcional pero puede tener defectos o no conformidades, que pueden ser corregidas
con retrabajo o no se pueden corregir y ser desperdicio.

Pag 5
 INFOTEP VIRTUAL CONTROL ESTADISTICO DE
PROCESOS, UNIDAD IV

Tests Para Causas Especiales

En cualquiera de los gráficos de control por atributos descritos, es posible realizar cuatro
tests para determinar la posible existencia de causas especiales que influyan sobre la
variabilidad de las observaciones (comportamiento no aleatorio de los datos):

Cada uno de los tests detecta un determinado comportamiento no aleatorio en los datos. Cuando
alguno de los tests resulta positivo entonces hay indicios de que la variabilidad de las
observaciones se debe a causas especiales, las cuales deberán investigarse.

Es importante notar que para realizar estos tests todas las muestras han de ser del mismo
tamaño.

Pag 6
 INFOTEP VIRTUAL CONTROL ESTADISTICO DE
PROCESOS, UNIDAD IV

Gráfica de control Para Fracción No Conforme - P

Un gráfico P es un gráfico de control del porcentaje o fracción de unidades defectuosas (cociente

entre el número de artículos defectuosos en una población y el número total de artículos de dicha
población).

La fracción no conforme es la relación entre el número de artículos discrepantes entre el total

de artículos, se expresa como fracción decimal, aunque también se puede expresar en porcentaje.
El artículo puede tener varias características de calidad que son examinadas por un inspector,
si el artículo no está de acuerdo a los estándares, se le considera como defectuoso o no conforme.

La fracción defectiva o no conforme en la muestra se define como la relación entre el número de

unidades no conformes D al tamaño de muestra n, o sea:

D
pi = i
ni

La distribución de este estadístico sigue la distribución binomial por tanto:

Pag 7
 INFOTEP VIRTUAL CONTROL ESTADISTICO DE
PROCESOS, UNIDAD IV

Del modelo general para la gráfica de control de Shewhart, si w es un estadístico que mide una
característica de calidad, con media µw y varianza los límites de control son:

LSC = µw +

LC = µw

LIC = µw -

Donde L es la distancia de la línea central hasta los límites de control, es común usar L = 3.

Por tanto los límites de control de la gráfica p considerando L = 3 son:

__ __
__
p (1 p )
LSCp = p 3
n
__
LCp = p
__ __
__
p (1 p )
LICp = p 3
n

Durante la operación, se toman muestras de n unidades, se calcula la fracción defectiva pi y se

grafica, mientras no se observe ningún patrón anormal y pi se localice dentro de límites de
control, se puede concluir que el proceso está en control, de otra forma, se concluirá que la
fracción no conforme se ha desplazado de su valor original y el proceso se encuentra fuera de
control.

Pag 8
 INFOTEP VIRTUAL CONTROL ESTADISTICO DE
PROCESOS, UNIDAD IV

Cuando la fracción defectiva del proceso es desconocida, se estima de los datos observados en m
muestras iniciales, cada una de tamaño n, por lo general se toman 20 a 25 de estas. Así si D i
son unidades no conformes en la muestra i, la fracción defectiva de la muestra i - ésima estará
dada como:

pi = Di / n i = 1, 2, 3,....., m

y el promedio de las fracciones individuales no conformes cuando p es desconocida es:

El estadístico p estima la fracción desconocida p, y los límites preliminares de control son:

p (1 - p)
LSC p = p 3
n
LC p = p

p (1 - p )
LIC p = p 3
n

Una vez hecha la gráfica trazando los límites anteriores, cualquier punto que se encuentre fuera
de control debe ser investigado, si se encuentra una causa asignable o especial, deben tomarse
medidas correctivas para prevenir su recurrencia, los puntos correspondientes a la situación
fuera de control se eliminan y se calculan de nuevo los límites de control preliminares.

Pag 9
 INFOTEP VIRTUAL CONTROL ESTADISTICO DE
PROCESOS, UNIDAD IV

Ejemplo 4.1

Para el llenado de cajas de concentrado de jugo de naranja de 6 oz., se inspecciona cada caja y
se inspecciona el sello para evitar fugas, se lleva una gráfica de control para tomar acciones y
mejorar el desempeño de la maquina selladora.

Para establecer la gráfica de control, se toman 30 muestras de 50 piezas cada una en

intervalos de una hora.

Hora Defectos Hora Defectos

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

Pag 10
 INFOTEP VIRTUAL CONTROL ESTADISTICO DE
PROCESOS, UNIDAD IV

Como en total se encontraron 347 cajas no conformes, se estima p como sigue:

Pag 11
 INFOTEP VIRTUAL CONTROL ESTADISTICO DE
PROCESOS, UNIDAD IV

De la gráfica de control se observa que las muestras 15 y 23 están fuera de los límites de control,
de tal forma que el proceso está fuera de control.

Del análisis de los datos de la bitácora se encontró que la muestra 15 corresponde a el cambio
de un nuevo lote de cajas el cual fue diferente y que la muestra 23 corresponde a un operador
sin experiencia asignado temporalmente a la máquina.

Tomando acciones correctivas para evitar la recurrencia de las causas anteriores y calculando
nuevos límites preliminares con los puntos 15 y 23 eliminados, se tiene:

LSCp = 0.3893

LCp = 0.2150

LICp = 0.0407

Pag 12
 INFOTEP VIRTUAL CONTROL ESTADISTICO DE
PROCESOS, UNIDAD IV

P Chart of Defectos
1
0.4
UCL=0.3893

0.3

_
P=0.215
0.2

0.1

LCL=0.0407

0.0
1 4 7 10 13 16 19 22 25 28
Sample

Figura 4.2 Gráfica de control p fuera de control en un punto

En la gráfica de límites revisados, se observa que la muestra 20 excede el límite superior de

control, sin embargo no se encontró una causa asignable, por tanto se retiene este punto para el
cálculo de los límites preliminares. Tampoco se observan patrones de anormalidad, la mayor
racha o corrida tiene 5 puntos sobre la línea central, lo cual no representa una situación fuera
de control.

De esta forma se concluye que el proceso está en control a una p = 0.2150 adoptando los límites
preliminares para control futuro.

Pag 13
 INFOTEP VIRTUAL CONTROL ESTADISTICO DE
PROCESOS, UNIDAD IV

P Chart of Defectos
0.4
UCL=0.3804

0.3

_
0.2 P=0.2081

0.1

LCL=0.0359
0.0
1 4 7 10 13 16 19 22 25
Sample

Figura 4.3 Gráfica de control p en control estadístico

Se observa que a pesar de que el proceso está en control, no se tienen presentes problemas
controlables por el operador, por tanto las causas de variabilidad son comunes y su reducción
depende sólo del control de la administración, una vez que interviene e Ingeniería realiza una
serie de ajustes a la máquina, se monitorea la mejora.

Gráfica de control np

El diagrama NP está basado en el número de unidades defectuosas. Este tipo de gráficos permite
tanto analizar el número de artículos defectuosos como la posible existencia de causas
especiales en el proceso productivo. Los principios estadísticos que sirven de base al diagrama
de control NP se basan en la distribución Binomial.

Pag 14
 INFOTEP VIRTUAL CONTROL ESTADISTICO DE
PROCESOS, UNIDAD IV

En lugar de tener fracciones no conformes, si el tamaño de muestra es constante, se pueden

utilizar directamente el número de artículos defectivos o no conformes np, para evitarle
operaciones aritméticas al operador, los parámetros de esta gráfica son:

LSCnp =np+3 np(1- p)

LCnp =np

LICnp =np+3 np(1- p)

Si no se conoce el valor de p, se puede estimar con la p .

El número de defectivos o no conformes es un entero, por tanto es más fácil de graficar e

interpretar por los operadores que llevan el C.E.P.

Tamaño De Muestra Variable

En algunas aplicaciones para la fracción defectiva, la muestra es la inspección 100% de los lotes
producidos en un periodo de tiempo, por tanto la muestra será variable. Se tiene varios métodos
para llevar una gráfica de control:

Método 1. Límites variables

Se calculan límites de control para cada muestra en base en la fracción defectiva promedio p y

su tamaño de muestra con p±3 p(1- p)/ni . La amplitud de los límites es inversamente

proporcional a la raíz cuadrada del tamaño de muestra.

Pag 15
 INFOTEP VIRTUAL CONTROL ESTADISTICO DE
PROCESOS, UNIDAD IV

Ejemplo 4.2,

Se tomaron datos del resultado de la inspección diaria, registrando la producción total y los
defectivos del día.
n-var nodef Fra-def LSC LIC Des-est

100 12 0.12 0.183686 0.007335 0.0293918

80 8 0.1 0.194093 -0.00307 0.0328611

80 6 0.075 0.194093 -0.00307 0.0328611

100 9 0.09 0.183686 0.007335 0.0293918

110 10 0.090909 0.179582 0.011438 0.028024

110 12 0.109091 0.179582 0.011438 0.028024

100 11 0.11 0.183686 0.007335 0.0293918

100 16 0.16 0.183686 0.007335 0.0293918

90 10 0.111111 0.188455 0.002565 0.0309817

90 6 0.066667 0.188455 0.002565 0.0309817

110 20 0.181818 0.179582 0.011438 0.028024

120 15 0.125 0.176003 0.015017 0.026831

120 9 0.075 0.176003 0.015017 0.026831

120 8 0.066667 0.176003 0.015017 0.026831

110 6 0.054545 0.179582 0.011438 0.028024

Pag 16
 INFOTEP VIRTUAL CONTROL ESTADISTICO DE
PROCESOS, UNIDAD IV

n-var nodef Fra-def LSC LIC Des-est

80 8 0.1 0.194093 -0.00307 0.0328611

80 10 0.125 0.194093 -0.00307 0.0328611

80 7 0.0875 0.194093 -0.00307 0.0328611

90 5 0.055556 0.188455 0.002565 0.0309817

100 8 0.08 0.183686 0.007335 0.0293918

100 5 0.05 0.183686 0.007335 0.0293918

100 8 0.08 0.183686 0.007335 0.0293918

100 10 0.1 0.183686 0.007335 0.0293918

90 6 0.066667 0.188455 0.002565 0.0309817

La fracción defectiva media se calcula como sigue:

Y los límites de control se calculan como sigue:

Pag 17
 INFOTEP VIRTUAL CONTROL ESTADISTICO DE
PROCESOS, UNIDAD IV

Se observa que la muestra 11 está fuera de control.

Cuando se toman límites de control variables, el análisis de patrones de anormalidad no tiene

sentido ya que la desviación estándar en cada muestra está variando y no es posible visualizar
corridas o rachas.

Método 2. Tamaño de muestra promedio

En este caso, se toma el promedio de los tamaños de muestra para calcular los límites de control
aproximados, se asume que los tamaños de muestra no diferirán en forma apreciable de los
observados, aquí los límites de control son constantes. Si existen grandes diferencias mayores
al promedio más o menos 25%, este método no es adecuado.

Pag 18
 INFOTEP VIRTUAL CONTROL ESTADISTICO DE
PROCESOS, UNIDAD IV

Con límites de control basados en

Otra vez de la gráfica se observa que el punto 11 está fuera de control.

Cartas De Control Para No Conformidades (Defectos) – c y u

Gráfico C

El diagrama C está basado en el número total de defectos (o no conformidades) en la producción.

Una no conformidad o defecto es una característica específica que no cumple con la

especificación del producto. Las no conformidades pueden tener una gravedad diferente desde
menores hasta críticas. Se pueden desarrollar cartas de control para el número total de no
conformidades en una unidad o el número promedio de no conformidades por unidad.

Estas cartas asumen que la ocurrencia de no conformidades en muestras de tamaño constante son
modeladas bien por la distribución de Poisson, es decir implica que las oportunidades o localizaciones
potenciales para las no conformidades sea muy infinitamente grande y que la probabilidad de ocurrencia
de una no conformidad en cualquier localización sea pequeña y constante. Además cada unidad de
inspección debe representar una “área de oportunidad” idéntica para la ocurrencia de no conformidades.
Si estas condiciones no se cumplen, el modelo de Poisson no es apropiado.

Pag 19
 INFOTEP VIRTUAL CONTROL ESTADISTICO DE
PROCESOS, UNIDAD IV

Tamaño de muestra constante - CARTA c

Una unidad de inspección es simplemente una entidad para la cual es conveniente registrar el
número de defectos, puede formarse con 5 unidades de producto, 10 unidades de producto, etc.
Suponiendo que los defectos o no conformidades ocurren en la unidad de inspección de acuerdo
a la distribución de Poisson, o sea:

Donde la media y la desviación estándar tienen valor c; para x = 0, 1, 2, .......

Por tanto considerando L = 3-sigma, los límites de control para la carta de no conformidades
son:

LSCc = c + 3 c

LCc = c

LICc = c - 3 c en el caso que sea negativo toma el valor cero.

Si no hay estándar definido c se estima con el promedio de no conformidades

observadas en una muestra preliminar inspeccionada, o sea con c-, en este caso los parámetros
de la carta son:

Cuando no hay datos históricos, se calculan límites de control preliminares.

LSCc = c + 3 c

LCc = c

LICc = c - 3 c en el caso que sea negativo toma el valor cero

Pag 20
 INFOTEP VIRTUAL CONTROL ESTADISTICO DE
PROCESOS, UNIDAD IV

Ejemplo 4.3

Para el número de no conformidades observadas en 26 unidades de inspección sucesivas de 100

muestras de circuitos impresos, se obtuvieron los datos siguientes:

No Conformidades 1
21 19

24 10

16 17

12 13

15 22

5 18

28 39

20 30

31 24

25 16

20 19

24 17

16 15

Donde,

LSC = 33.22

LC = 516 / 26 = 19.85 = c-

LIC = 6.48

De la carta de control preliminar, se observa que hay 2 puntos fuera de control, el 6 y el 20

Pag 21
 INFOTEP VIRTUAL CONTROL ESTADISTICO DE
PROCESOS, UNIDAD IV

C Chart of NoConform
40 1

UCL=33.21
30

_
20 C=19.85

10
LCL=6.48
1

0
1 4 7 10 13 16 19 22 25
Sample

Figura 4.6 Carta de control C fuera de control estadístico

Una investigación reveló que el punto 6 fue debido a que un inspector nuevo calificó los circuitos
impresos pero no tenía la suficiente experiencia, fue entrenado. El punto 20 fue causado por una
falla en el control de temperatura de la soldadora de ola, lo cual fue reparado. Por lo anterior
se toman acciones para evitar recurrencia, se eliminan y se recalculan los límites de control.

Pag 22
 INFOTEP VIRTUAL CONTROL ESTADISTICO DE
PROCESOS, UNIDAD IV

C Chart of NoConform
35
UCL=32.97

30

25

_
20 C=19.67

15

10

LCL=6.36
5
1 3 5 7 9 11 13 15 17 19 21 23
Sample

Figura 4.7 Carta de control C dentro de control estadístico

Como el proceso ya se encuentra en control estadístico, estos límites se tomarán como base para
el siguiente periodo, donde se tomaron 20 unidades de inspección adicionales.

No Conformidades 1
16 18

18 21

12 16

15 22

24 19

21 12

28 14

20 9

25 16

19 21

Pag 23
 INFOTEP VIRTUAL CONTROL ESTADISTICO DE
PROCESOS, UNIDAD IV

Se observa en la gráfica que no se tienen puntos fuera de control, sin embargo el promedio de
defectos es alto, requiere la acción de la administración.

C Chart of C4
35
UCL=32.98

30

25

_
20 C=19.67

15

10

LCL=6.36
5
1 3 5 7 9 11 13 15 17 19
Sample

Figura 4.8 Carta de control C dentro de control estadístico para otras 20 muestras – muy alta c

Puede ser necesario estratificar el problema identificando en qué modelo de circuito impreso se
presentan los defectos principalmente.

Selección del tamaño de muestra

Aumentando el tamaño de muestra se tiene más oportunidad de encontrar no conformidades o

defectos, sin embargo esto también depende de consideraciones económicas y del proceso, si en
lugar de tomar 1 unidad de inspección, se toman n unidades de inspección, entonces los nuevos
límites de control se pueden calcular por los siguientes métodos:

Pag 24
 INFOTEP VIRTUAL CONTROL ESTADISTICO DE
PROCESOS, UNIDAD IV

Método 1. Con nc

En este caso tanto la línea central como los límites de control se modifican por el factor

n, quedando como sigue (c es la media de las no conformidades observada en la unidad de

inspección anterior):

Por ejemplo si se deciden utilizar 2.5 unidades de inspección para el caso de los circuitos
impresos (es decir inspeccionar 250 tarjetas) con n=2.5, se tiene:

Gráfica de control de defectos por unidad U

Gráfica U

El diagrama U está basado en el número de defectos por unidad de inspección producida.

Si se encuentra un total de c no conformidades en la muestra de n unidades de inspección,

entonces el promedio de no conformidades por unidad de inspección u es: c

Como c es una variable aleatoria que sigue la distribución de Poisson, los parámetros de la
carta u de número de no conformidades o defectos por unidad son:

Pag 25
 INFOTEP VIRTUAL CONTROL ESTADISTICO DE
PROCESOS, UNIDAD IV

Donde u representa el número promedio de no conformidades por unidad en un

conjunto de datos preliminar. Los límites anteriores se consideran límites preliminares.

Ejemplo 4.4 Para un fabricante de computadoras registrando los defectos en su línea de

ensamble final. La unidad de inspección es una computadora y se toman 5 unidades de inspección
a un tiempo.

No conformidades en cada 5 unidades – carta u

10 9
12 5
8 7
14 11
10 12
16 6
11 8
7 10
10 7
15 5

Pag 26
 INFOTEP VIRTUAL CONTROL ESTADISTICO DE
PROCESOS, UNIDAD IV

Se calculan los límites de control con:

u=38.60 / 20 = 1.93
LSC = 3.79

LIC = 0.07

La carta de control queda como sigue:

U Chart of C6
4
UCL=3.794

_
2 U=1.93

0 LCL=0.066

1 3 5 7 9 11 13 15 17 19
Sample

Figura 4. 9 Carta de control de defectos por unidad U con tamaño de muestra constante en control
estadístico

Pag 27
 INFOTEP VIRTUAL CONTROL ESTADISTICO DE
PROCESOS, UNIDAD IV

En la carta de control no se observa falta de control estadístico, por tanto los límites
preliminares se pueden utilizar en corridas futuras.

MUESTRA VARIABLE – CARTA u

En algunos casos las cartas de control para no conformidades se utilizan en la inspección 100%
de la producción o lotes de producto, por tanto las unidades de inspección no son constantes. En
esta carta se tiene una línea central constante y los límites de control varían inversamente con
la raíz cuadrada del tamaño de muestra n.

La línea central y los límites individuales de control se calculan como sigue:

Ejemplo 4.5 En una planta textil, se inspeccionan defectos por cada 50m2 los datos se muestran
a continuación.

Unidades No conformes

10 14
8 12
13 20

10 11

Pag 28
 INFOTEP VIRTUAL CONTROL ESTADISTICO DE
PROCESOS, UNIDAD IV

Unidades No conformes

9.5 7

10 10

12 21

10.5 16

12 19

12.5 23

La línea central es u = =1.42

Donde u= Total de defectos observados / Total de unidades de inspección

Pag 29
 INFOTEP VIRTUAL CONTROL ESTADISTICO DE
PROCESOS, UNIDAD IV

De la gráfica no se observan puntos fuera de control.

U Chart of No conform
3.0

2.5 UCL=2.436

2.0

_
1.5
U=1.423

1.0

0.5
LCL=0.411

0.0
1 2 3 4 5 6 7 8 9 10
Sample
Tests performed with unequal sample sizes

Figura 4.10 Carta de control para defectos por unidad con tamaño de muestra variable
Existen otras dos alternativas para el manejo de la carta u con n variable:

1. Usando un promedio de tamaños de muestra.

2. Usando una de control estandarizada (opción preferida). Se grafica Zi con límites de

control en +3 y –3, línea central cero.

Pag 30
 INFOTEP VIRTUAL CONTROL ESTADISTICO DE
PROCESOS, UNIDAD IV

Ejemplo 4.6 (Cont...) Estandarizando la carta se tiene:

Unidades NoConf SigmaU Ui-Uprom Zu

10 14 0.377261 -0.02325581 -0.06164

8 12 0.42179 0.07674419 0.181949

13 20 0.330879 0.11520572 0.34818

10 11 0.377261 -0.32325581 -0.85685

9.5 7 0.387061 -0.68641371 -1.7734

10 10 0.377261 -0.42325581 -1.12192

12 21 0.34439 0.32674419 0.948761

10.5 16 0.368169 0.10055371 0.273119

12 19 0.34439 0.16007752 0.464814

12.5 23 0.337432 0.41674419 1.235046

U prom 1.423256

La carta de control estandarizada para U, se encuentra en control estadístico como se muestra

abajo

Pag 31
 INFOTEP VIRTUAL CONTROL ESTADISTICO DE
PROCESOS, UNIDAD IV

I Chart of Zu

3 UCL=3

_
0 X=0

-1

-2

-3 LCL=-3

1 2 3 4 5 6 7 8 9 10
Observation

Figura 4.11 Carta de control U estandarizada

Pag 32
 INFOTEP VIRTUAL CONTROL ESTADISTICO DE
PROCESOS, UNIDAD IV

ANÁLISIS DE CAPACIDAD DEL PROCESO

Introducción

Las técnicas estadísticas ayudan durante el ciclo del producto a reducir la variabilidad y a
mejorar la capacidad de los procesos.

Pag 33
 INFOTEP VIRTUAL CONTROL ESTADISTICO DE
PROCESOS, UNIDAD IV

La aplicación del análisis de capacidad de los procesos tiene los objetivos siguientes:

1. Predecir que tanto cumplirá las tolerancias especificadas el proceso.

2. Apoyar a los diseñadores en la selección o modificación de un proceso.

3. Soportar la determinación de intervalos de muestreo para monitoreo del proceso.

4. Determinar el desempeño de un equipo nuevo.

5. Planear la secuencia de procesos productivos cuando hay un efecto interactivo de procesos o

tolerancias.

6. Seleccionar de entre diversos proveedores.

7. Reducir la variabilidad de un proceso de manufactura.

La capacidad de los procesos para cumplir especificaciones se refiere a la uniformidad de los

procesos medida como la variabilidad del producto, hay dos formas de pensar en esta
variabilidad:

1. La variabilidad natural en un cierto tiempo (variabilidad instantánea).

2. La variabilidad en el tiempo.

Es usual tomar 6-sigma de la población como la dispersión en la distribución de la

característica de calidad del producto como medida de la capacidad del proceso.

Pag 34
 INFOTEP VIRTUAL CONTROL ESTADISTICO DE
PROCESOS, UNIDAD IV

Los límites de tolerancia natural del proceso, superior (LTNS) e inferior (LTNI), se encuentran
en o sea:

Para un proceso normal, los límites de tolerancia naturales incluyen 99.73% de la variable,
sólo el 0.27% (2700 ppm) de la salida del proceso se encontrará fuera de estos límites de
tolerancia naturales. Sin embargo, si el proceso no es normal, el porcentaje puede diferir
grandemente. Esto se esquematiza en la figura siguiente:

.00135 LTNI µ LTNS .00135

Localización de los límites de tolerancia natural

Existen diversas técnicas para evaluar la capacidad del proceso, entre las que se encuentran:
Histogramas o papel de probabilidad, cartas de control y experimentos diseñados.

LIE LSE

s _
xi
p X
Fig. Fracción defectiva fuera de especificaciones

Pag 35
 INFOTEP VIRTUAL CONTROL ESTADISTICO DE
PROCESOS, UNIDAD IV

p = porcentaje de medidas bajo la curva de probabilidad fuera de especificaciones.

En el área sombrada observamos medidas fuera de los límites de especificación.

Para solucionar este problema, podemos reducir la desviación estándar.

También podríamos cambiar la media.

Lo ideal sería, por supuesto cambiar ambas.

Figura. Algunas alternativas para mejorar la capacidad

Pag 36
 INFOTEP VIRTUAL CONTROL ESTADISTICO DE
PROCESOS, UNIDAD IV

Condiciones para realizar un estudio de capacidad del proceso

Para realizar un estudio de capacidad es necesario que se cumplan los siguientes supuestos:

• El proceso se encuentre bajo control estadístico, es decir sin la influencia de fuerzas externas
o cambios repentinos. Si el proceso está fuera de control la media y/o la desviación estándar
del proceso no son estables y, en consecuencia, su variabilidad será mayor que la natural y
la capacidad potencial estará infravalorada, en este caso no es conveniente hacer un estudio
de capacidad.

• Se recolectan suficientes datos durante el estudio de habilidad para minimizar el error de

muestreo para los índices de habilidad. Si los datos se componen de menos de 100 valores,
entonces deben calcularse los límites de confianza inferiores.
• Los datos se recolectan durante un periodo suficientemente largo para asegurar que las
condiciones del proceso presentes durante el estudio sean representativos de las condiciones
actuales y futuras.

• El parámetro analizado en el estudio sigue una distribución de probabilidad normal, de otra

manera, los porcentajes de los productos asociados con los índices de capacidad son
incorrectos.

ÍNDICES DE CAPACIDAD

Índice de capacidad potencial Cp

El índice de capacidad potencial Cp = PCR compara la amplitud de variación permitida por las
especificaciones entre la amplitud de variación entre los límites de tolerancia naturales del
proceso.

Pag 37
 INFOTEP VIRTUAL CONTROL ESTADISTICO DE
PROCESOS, UNIDAD IV

Ejemplo 4.7

Para el caso de anillos de pistones, donde el LSE = 74.05mm y el LIE= 73.95mm y de

la gráfica R se estimó por tanto se tiene:

Cp = PCR = (LSE – LIE) / 6

= (74.05 – 73.95) / 6 (0.0099) = 1.68

La función P (inverso de Cp) es el porcentaje de la banda de especificaciones usada por el

proceso.

Para el caso del ejemplo se tiene:

P = [(1/1.68)] 100 = 59.5%

Cuando sólo existe un límite de especificaciones, el índice de capacidad potencial Cp o PCR se

define como:

para el límite superior

para el límite inferior

Pag 38
 INFOTEP VIRTUAL CONTROL ESTADISTICO DE
PROCESOS, UNIDAD IV

Ejemplo 4.8

Para el caso de la resistencia de las botellas de vidrio, si el LIE = 200psi,

Cp = PCRI = = = 0.67

Lo cual indica falta de habilidad, la fracción abajo del límite inferior es:

P(x <= ZI) = 0.0228 o 2.28% por debajo del límite inferior de especificaciones

Algunos de los índices de capacidad potencial Cp y las piezas defectivas en partes por millón
(ppm) que están fuera de especificaciones se muestran a continuación:

Cp 1-lado 2-lados

0.25 226,628 453,255

0.5 66,807 133,614

0.6 35,931 71,861

0.7 17,865 35,729

0.8 8,198 16,395

1 1,350 2,700

1.1 484 967

1.2 159 318

1.3 48 96

Pag 39
 INFOTEP VIRTUAL CONTROL ESTADISTICO DE
PROCESOS, UNIDAD IV

1.4 14 27

1.5 4 7

1.6 1 2

1.7 0.17 0.34

2 0.0009 0.0018

Se recomienda que para procesos existentes el mínimo Cp sea de 1.33 y de 1.67 para procesos
críticos, el ideal es 2.0 para procesos nuevos como es el caso de Motorola en su programa 6-
sigma.

Este índice no toma en cuenta la localización relativa de la media del proceso respecto a los
límites de especificaciones. Por lo que es necesario otro índice adicional.

Índice de capacidad real Cpk

Este índice si toma en cuenta el centrado del proceso respecto a las especificaciones, en este
caso se denomina Cpk o PCRk, y se evalúa tomando el mínimo entre los Cp’s correspondientes
a cada lado de la media, como sigue,

Cpk = PCRk = min(PCRS ,PCRI ) debe ser mayor a 1

donde,
para el límite superior

para el límite inferior

Pag 40
 INFOTEP VIRTUAL CONTROL ESTADISTICO DE
PROCESOS, UNIDAD IV

Ejemplo 4.9

Para un proceso donde los límites de especificación sean LSE=62, LIE=38, la media del
proceso sea µ=53 y su desviación estándar =2, se tiene:

Cps = PCRS = =1.5 para el límite superior

Cpi =PCRI = = 2.5 para el límite inferior

Por tanto, el índice de capacidad real es:

Cpk = PCRk = min(PCRS ,PCRI ) = min(1.5,2.5) =1.5

Note que el PCR a considerar corresponde al límite de especificación más cercano a la media
del proceso. Siempre se cumple que,

Cpk <= Cp

Siendo el Cpk menor cuando el proceso no está centrado

NORMALIDAD Y CAPACIDAD DEL PROCESO

Las consideraciones anteriores se basan en la suposición que el proceso tiene un comportamiento

normal, si no es así, puede ser necesario transformar los datos con alguna función matemática
para dar la apariencia de normalidad, por ejemplo la distribución siguiente de acabado
superficial en una parte maquinada no es normal:

Pag 41
 INFOTEP VIRTUAL CONTROL ESTADISTICO DE
PROCESOS, UNIDAD IV

Frec.

a)

Microdureza

Se puede transformar cada valor x con su inverso o sea con y=1/x de esta forma la distribución
transformada es la siguiente:

Frec.

b)

Y=1/x

Figura. Transformación de datos para normalizarlos

Lo cual representa una distribución normal.

Capacidad del proceso con cartas de control

La gráfica de control es un mejor instrumento para evaluar la capacidad del proceso porque se
puede observar que el proceso esté en control ya sea en forma instantánea o durante el tiempo
antes de evaluar la capacidad.

Pag 42
 INFOTEP VIRTUAL CONTROL ESTADISTICO DE
PROCESOS, UNIDAD IV

Se puede observar que cuando el proceso está en control, no existen causas asignables que
puedan ser corregidas, y la única alternativa para reducir la variabilidad es con la intervención
de la administración.

En casos especiales como estos donde las variaciones presentes son totalmente inesperadas
tenemos un proceso inestable ó impredecible.

?
? ?
? ?
? ?

Comportamiento de un proceso fuera de control

Si las variaciones presentes son iguales, se dice que se tiene un proceso “estable”. La

Pag 43
 INFOTEP VIRTUAL CONTROL ESTADISTICO DE
PROCESOS, UNIDAD IV

Calculo de la desviación estándar del proceso

(Para cartas de control X-R y X-S respectivamente)

Donde,

El factor C4 = 4(n-1)/(4n – 3), con esta desviación estándar se determinan los índices de
desempeño Pp y Ppk.

S = Desviación estándar de la población

d2 = Factor que depende del tamaño del subgrupo en la gráfica de control X - R

C4 = Ídem al anterior para una gráfica X - S

En una gráfica por individuales, d2 se toma para n = 2 y Rango Medio = Suma rangos /
(n -1)

Ejemplo 4.10

(Gráfica X - R)

De una gráfica de control X - R (con subgrupo n = 5) se obtuvo lo siguiente, después de que el

proceso se estabilizó quedando sólo con causas comunes: X = 64.06 , R = 77.3

Por tanto estimando los parámetros del proceso se tiene:

  x media de medias

Pag 44
 INFOTEP VIRTUAL CONTROL ESTADISTICO DE
PROCESOS, UNIDAD IV

Si el límite de especificación es: LIE = 200.

El Cpk = 0.64 por tanto el proceso no cumple con las especificaciones.

Ejemplo 4.11

(Gráfica X - S)

De una gráfica de control X - S (con subgrupo n = 5) se obtuvo lo siguiente, después de que el

proceso se estabilizó quedando sólo con causas comunes:

X 100, S=1.05

Por tanto estimando los parámetros del proceso se tiene:

C4 para n = 5 tiene el valor 0.94

Si el límite de especificación es: LIE = 85 y el LSE = 105.

Por lo tanto el proceso es capaz de cumplir con especificaciones.

Pag 45
 INFOTEP VIRTUAL CONTROL ESTADISTICO DE
PROCESOS, UNIDAD IV

GLOSARIO

• Proceso: Éste se refiere a alguna combinación única de máquinas, herramientas,

métodos, materiales y personas involucradas en la producción.

• Capacidad o habilidad: Esta palabra se usa en el sentido de aptitud, basada en el

desempeño probado, para lograr resultados que se puedan medir.

• Capacidad del proceso: Es la aptitud del proceso para producir productos dentro de los
límites de especificaciones de calidad.

• Capacidad medida: Esto se refiere al hecho de que la capacidad del proceso se cuantifica
a partir de datos que, a su vez, son el resultado de la medición del trabajo realizado por
el proceso.

• Capacidad inherente: Se refiere a la uniformidad del producto que resulta de un proceso

que se encuentra en estado de control estadístico, es decir, en ausencia de causas
especiales o atribuibles de variación.

• Variabilidad natural: Los productos fabricados nunca son idénticos sino que presentan
cierta variabilidad, cuando el proceso está bajo control, solo actúan las causas comunes
de variación en las características de calidad.

• Valor Nominal: Las características de calidad tienen un valor ideal óptimo que es el
que desearíamos que tuvieran todas las unidades fabricadas pero que no se obtiene, aunque
todo funcione correctamente, debido a la existencia de la variabilidad natural.

Pag 46