GRÁFICAS O CARTAS DE CONTROL

Definición:
Las gráficas o Cartas de Control son diagramas que permiten estudiar la variación cronológica de características de calidad
resultado de un proceso, para identificar si están presentes o ausentes causas asignables o especiales de variación.

Objetivo:
Determinar si el proceso está o no bajo control estadístico.

Control Estadístico
El estado de control estadístico es la condición que describe un proceso en el cual han sido eliminadas las causas
especiales de variación y únicamente permanecen las causas comunes.

Causas de la Variación
Todo proceso de fabricación funciona bajo ciertas condiciones o variables que son establecidas por las personas que lo
manejan para lograr una producción satisfactoria.

Cada uno de estos factores está sujeto a variaciones que realizan aportes más o menos significativos a la fluctuación de
las características del producto, durante el proceso de fabricación. Los responsables del funcionamiento del proceso de
fabricación fijan los valores de algunas de estas variables, que se denominan variables controlables. Por ejemplo, en el
caso de una máquina inyectora de plástico se fija la temperatura de fusión del plástico, la velocidad de trabajo, la presión
del pistón, la materia prima que se utiliza (proveedor del plástico), etc.
Pero un proceso de fabricación es una suma compleja de eventos grandes y pequeños. Hay una gran cantidad de variables
que sería imposible o muy difícil controlar. Estas se denominan variables no controlables. Por ejemplo, pequeñas
variaciones de calidad del plástico, pequeños cambios en la velocidad del pistón, ligeras fluctuaciones de la corriente
eléctrica que alimenta la máquina, etc.

Los efectos que producen las variables no controlables son aleatorios. Además, la contribución de cada una de las variables
no controlables a la variabilidad total es cuantitativamente pequeña. Son las variables no controlables las responsables
de la variabilidad de las características de calidad del producto.

Los cambios en las variables controlables se denominan Causas Asignables de variación del proceso, porque es posible
identificarlas.

Las fluctuaciones al azar de las variables no controlables se denominan Causas No Asignables de variación del proceso,
porque no son posibles de ser identificadas
Cualquier trabajo que se esté realizando contiene variaciones y su distribución sigue un cierto patrón. El trabajo humano
y los procesos industriales están afectados por todos los factores que intervienen en el proceso, el muestreo, las medidas,
los ensayos, los estudios también están todos sujetos a error. Esto conlleva a que inevitablemente los datos contengan
dispersión, es decir, que no se obtenga el mismo valor puntual en cada observación, incluso si se mide la misma
característica de calidad varias veces, y que la distribución de los resultados del trabajo y de los procesos que producen
los datos sigan un determinado patrón de fluctuación o variación.
Existen herramientas estadísticas que facilitan el análisis del patrón de la distribución, estos son: los histogramas de
frecuencia, las medidas de tendencia central, dispersión, asimetría y curtosis, entre otras.
De acuerdo con Walter Shewhart, las causas de variación que afectan un proceso se clasifican en causas comunes y causas
especiales de variación. Para distinguir entre estos dos tipos de causas, se usan las gráficas de control.

Producción y Calidad - UTB Msc. Misael Cruz Monroy Control Estadístico de Procesos
Causas asignables: Son aquellas a las cuales podemos atribuir específica y directamente un resultado de calidad que
discrepa notoriamente del esperado si la fluctuación fuera estable. Son causas que pueden ser identificadas y que
debemos descubrir y eliminar para retornar el proceso a un funcionamiento normal y prevenir su ocurrencia en el futuro.
Son ejemplos de este tipo de causas:

 Un descuido del operario.

 Un componente de la máquina que se rompió o desajustó.
 Un tope que se corrió.
 Una lectura incorrecta de los planos o una interpretación indebida de las instrucciones.
 Un elemento extraño en la materia prima.
 Un instrumento de medición descalibrado o una lectura errónea del mismo.

Estas causas, también denominadas causas especiales o no aleatorias, son pocas en cuanto al número pero de gran efecto
sobre los resultados; por lo general, pueden ser detectadas, eliminadas, corregidas o modificadas por los mismos
trabajadores o por los supervisores.

Causas no Asignables: Son una multitud de causas no identificadas, ya sea por falta de medios técnicos o porque no es
económico hacerlo, cada una de las cuales ejerce un pequeño efecto sobre la variación total. Son inherentes al proceso
mismo y no pueden ser reducidas o eliminadas a menos que se modifique el proceso. Estas causas también se les conoce
como causas comunes o causas aleatorias, y la variación producida por ellas se llama variabilidad inherente o inevitable.
Como ejemplo de este tipo de causas se tiene:

 Conocimiento, experiencia y habilidad del personal.

 Adecuaciones y estado de la maquinaria.
 Métodos y procedimientos de fabricación.
 Condiciones ambientales (aseo, orden, iluminación, temperatura, ruido, vibraciones, humedad, contaminación, etc.)
 Ayudas de producción utilizadas (plantillas, guías, herramientas, dispositivos).
 Naturaleza de la administración (relaciones laborales, comunicaciones, motivación, énfasis en la cantidad o en la
calidad).

La modificación de las causas comunes o causas “no asignables” requiere por lo general una decisión de tipo gerencial:
cambio de proveedores, implantación de un sistema de mantenimiento preventivo, reemplazo de equipo, mejorar la
iluminación, iniciar un programa de reentrenamiento de personal, cambio de métodos de trabajo, cambio de maquinaria,
etc.

Cuando el proceso trabaja afectado solamente por un sistema constante de variables aleatorias no controlables (causas
no asignables) se dice que está funcionando bajo Control Estadístico. Cuando, además de las causas no asignables, aparece
una o varias causas asignables, se dice que el proceso está fuera de control.

Producción y Calidad - UTB Msc. Misael Cruz Monroy Control Estadístico de Procesos
CÓMO LEER O INTERPRETAR UNA GRAFICA DE CONTROL

Cuando un proceso está bajo control estadístico, los puntos de una gráfica de control fluctúan al azar entre los límites sin
un patrón reconocible. En forma general, podemos establecer los siguientes criterios de estabilidad de un proceso:
1. Todos los puntos se encuentran dentro de los límites de control.
2. Los puntos deben fluctuar aleatoriamente a lado y lado de la “línea central” de la carta respectiva.
3. La cantidad de puntos por encima y por debajo de la línea central es aproximadamente la misma.
4. La mayoría de los puntos deberá estar cerca de la “línea central” de la carta, pero también debemos observar algunos
puntos en una posición intermedia entre la “línea central” y los límites de control, y una porción menor de puntos cerca
de los límites de control.
La hipótesis que rige las condiciones anteriores, en el caso de características de calidad variables, es que la distribución de
las medias muestrales es normal. Esta hipótesis se deduce del teorema del límite central, el cual establece que la
distribución de las medias de una muestra se acerca a la distribución normal si el tamaño de la muestra se incrementa,
independientemente de la distribución original. Naturalmente, en el caso de pequeños tamaños de muestras, la
distribución de datos originales debe ser razonablemente normal para que esta hipótesis tenga validez.

Resulta difícil determinar cuando el conjunto de puntos de una gráfica de control corresponde con un patrón aleatorio
de distribución normal, pero sí es fácil darse cuenta cuando no lo es. De acuerdo con Banks (2002), el patrón de variación
es no aleatorio y por consiguiente el proceso se declara fuera de control, si en la gráfica de control se presentan:

1) PUNTOS FUERA DE LOS LIMITES DE CONTROL

Cuando uno o varios puntos se localizan fuera de los límites de control
en la carta respectiva, el proceso se declara fuera de control; esto
significa que existe posible presencia de causa especial de variación la
cual debe ser investigada. Si se encuentra la causa se toma la acción
correctiva apropiada, se eliminan los puntos no representativos de
condiciones normales y se revisan los límites para controlar la
producción futura.

2) TENDENCIAS
Se considera tendencia cuando se presenta una secuencia de por los
menos 6 puntos en forma ascendente o descendente. Las tendencias
son provocadas por cualquier causa que tenga un efecto gradual.

3) CICLOS.
Los ciclos son tendencias cortas en los datos, que configuran
patrones repetidos; es decir, que presentan el mismo
comportamiento a intervalos regulares de tiempo. Puede existir una
causa asignable si hay picos o elevaciones y valles o bajos como se
muestra en la figura:

4) CAMBIO GRADUAL DE NIVEL

En este caso, los datos muestran cierto comportamiento a través del
tiempo y luego el proceso empieza a cambiar gradualmente hasta
alcanzar el equilibrio en otro nivel.

Producción y Calidad - UTB Msc. Misael Cruz Monroy Control Estadístico de Procesos
 5) MEZCLA DE POBLACIONES O PATRON MIXTO
En un patrón mixto, los puntos tienden a caer cerca del LSC y del LIC, sin
fluctuaciones cerca del medio. Un patrón mixto es una combinación de
dos patrones diferentes, uno en el nivel alto y otro en el nivel bajo de la
misma grafica.
En la gráfica X barra, las mezclas se presentan cuando hay exceso de
control. Un operario ve que un valor está alto y hace un cambio para
disminuir el valor. Luego la observación está demasiado baja y ajusta el
proceso hacia arriba y así sucesivamente. En la gráfica R, las diferencias
en los materiales causan patrón mixto, así como las desviaciones en los
controles automáticos y las diferencias en los equipos de medición

6) ESTATIFICACION (FALTA DE VARIABILIDAD).

La estratificación se caracteriza por una constancia artificial. En lugar de
fluctuar naturalmente dentro de los límites, los puntos están muy
cercanos a la LC.
Cuando la mayoría de los puntos caen dentro de las líneas de ± 1,5
sigmas, esto se puede deber a cálculo incorrecto de los límites de
control o a una forma inapropiada de conformar los subgrupos. El
acercamiento a la línea central, no significa un buen estado de control,
como podría pensarse, sino una mezcla de información que hace que
los límites de control sean demasiado amplios. Por ejemplo, cuando las
unidades más grande y más pequeña de cada muestra son similares,
entonces aparecerán pequeñas fluctuaciones que no son naturales.

7) SECUENCIAS O RACHAS.
La secuencia o racha es el estado en el cual los puntos ocurren
consecutivamente al mismo lado de la línea central; el número de
puntos consecutivos se llama longitud de la racha. Una longitud de siete
(7) puntos en una racha se considera normal.
Las siguientes reglas sirven para identificar secuencias o rachas:
 8 puntos consecutivos al mismo lado de la línea central
 10 de 11 puntos consecutivos al mismo lado de la línea central
 12 de 14 puntos consecutivos al mismo lado de la línea central
 16 de 20 puntos consecutivos al mismo lado de la línea central

8) ACERCAMIENTO A LOS LÏMITES DE CONTROL:

Si 2 de 3 puntos caen por fuera de los límites de advertencia de ± 2 sigmas,

el caso se considera anormal.

También se considera anormal cuando 4 de 5 puntos caen por fuera de los

límites de ± 1 sigma

9) CAMBIO REPENTINO
Un cambio repentino aparece como un cambio instantáneo (salto) de por
los menos 4 sigmas en una u otra dirección. En la gráfica de la media un
cambio repentino puede ser provocado por la introducción de un nuevo
material, un nuevo operario, un nuevo inspector, una nueva máquina,
etc. En la gráfica de dispersión, un cambio en la motivación de los
operarios, el ingreso de operarios nuevos y la adquisición de nuevo
equipo, son algunos factores que causan un cambio repentino.

Producción y Calidad - UTB Msc. Misael Cruz Monroy Control Estadístico de Procesos
Si se observa que la fluctuación de los puntos que llevamos a la carta de control confirma algunos de los criterios
anteriores, podemos concluir que el patrón de fluctuación no es estable o aleatorio; que hay causas especiales influyendo
en el proceso, las cuales debemos buscar y eliminar. La razón para esto es que la probabilidad de que ocurra alguno de
los casos mencionados es muy pequeña, y por lo tanto atribuimos a alguna causa especial o asignable su ocurrencia, en
vez de atribuírsela al azar.

Si existe control estadístico, el proceso funciona en condiciones estables, sus resultados son predecibles y por consiguiente
los límites calculados se pueden extender para controlar la producción futura.

Si no existe control estadístico, investigar las causas. Si la causa es identificada tomar las acciones correctivas que sean
necesarias para eliminarlas y retornar el proceso a su funcionamiento normal.

Se debe revisar primero la gráfica de dispersión, eliminando los puntos fuera de control, hasta que se observe estabilidad.
Hacer lo mismo con la gráfica de 𝒙 ̿ corregida y los nuevos límites de control, hasta que se
̅, si es necesario, hallando 𝑿
observe estabilidad en el centramiento. Cuando se hayan hecho estas revisiones, se pueden extender los límites para
controlar la producción futura y se pueden estimar los parámetros estadísticos del proceso.

TIPOS DE GRAFICAS DE CONTROL

Hay dos tipos de cartas de control: Los gráficos de control para variables y los gráficos de control para atributos. Las
gráficas para variables, centran su atención en características de calidad que pueden medirse mediante un instrumento y
por consiguiente los valores observados son datos continuos, es decir pueden tomar cualquier valor dentro de un
intervalo, como podría ser el peso, el diámetro, el espesor etc. Las gráficas para atributos son usadas para estudiar el
comportamiento de características de la calidad cuyos resultados son discretos, es decir que solo toman valores enteros,
como el número de defectos o el número de productos no conformes.

GRAFICAS DE CONTROL PARA VARIABLES

Cuando se hace control durante el proceso para estudiar el comportamiento de características de calidad que son
variables, en rigor, para cada característica de calidad se deben elaborar e interpretar dos graficas: una para la tendencia
central y otra para la dispersión. En general, es necesario asegurarse de que la dispersión está bajo control, antes de
analizar la tendencia central.

Para controlar la tendencia central se puede utilizar la media aritmética o la mediana. La media aritmética o simplemente
promedio se recomienda utilizar en distribuciones aproximadamente simétricas. Si la distribución de frecuencias es
asimétrica se debe utilizar la mediana.

Para controlar la dispersión se puede utilizar el Rango o Recorrido (R) o la desviación estándar (S). La recomendación es
utilizar el Rango si el tamaño de la muestra se encuentra entre 2 y 10; y la desviación estándar, si el tamaño de la muestra
es mayor que 10, por cuanto en este caso el rango pierde sensibilidad para detectar cambios en el proceso.

Así que, para realizar el control en el caso de variables podemos elegir una de las siguientes alternativas:
1. Gráfico de Promedios y Rangos: 𝑥̅ y R
2. Gráfico de Promedios y Desviación Estándar: 𝑥̅ y S
3. Gráfico de Medianas y Rangos: Me y R
4. Gráfico de Medianas y Desviaciones Estándar: Me y S
5. Gráfica para valores individuales: x

Producción y Calidad - UTB Msc. Misael Cruz Monroy Control Estadístico de Procesos
CALCULO DE LÍMITES GRAFICAS DE CONTROL PARA VARIABLES

1) Parámetros estadísticos conocidos

Son gráficas donde el valor de la media de la población (µ) y el valor de la desviación estándar de la población (σ) han sido
establecidos con base en información anterior. Esta condición también se denomina con “estándar dado”. En estos casos,
la suposición es que los valores estándar son tales que el proceso puede operar a estos niveles y que los datos anteriores
disponibles confirman dicho supuesto. A esta situación se puede llegar si, después de estar realizando control estadístico,
el proceso muestra estabilidad y los estimadores promedios de tendencia central y dispersión tienden a ser constantes.

Las expresiones para calcular los límites de control en este caso son las siguientes:

Gráfica 𝒙̅ Gráfica R Gráfica S Gráfica x

LSC = µ + A σ LSC = D2 σ LSC = B6 σ LSC = µ + 3 σ

LC = µ LC = d2 σ LC = C4 σ LC = µ
LIC = µ - A σ LIC = D1σ LIC = B5 σ LIC = µ - 3 σ

2) Parámetros estadísticos desconocidos

Si los parámetros estadísticos son desconocidos, entonces se deben tomar datos de por lo menos 20 muestras para
calcular los límites y estimar dichos parámetros. Las expresiones para calcular los límites son las siguientes:

̅ y R:
Gráfica 𝒙
𝐺𝑟𝑎𝑓𝑖𝑐𝑎 𝑥̅ Grafica R

𝑳𝑺𝑪 = ̿ + 𝑨𝟐 𝑹
𝑿 ̅ 𝑳𝑺𝑪 = 𝑫𝟒 𝑹̅
𝑳𝑪 = ̿
𝑿 ̅
𝑳𝑪 = 𝑹
𝑳𝑰𝑪 = ̿ − 𝑨𝟐 𝑹
𝑿 ̅ ̅
𝑳𝑰𝑪 = 𝑫𝟑 𝑹

̅ y S:
Gráfica 𝒙
𝐺𝑟𝑎𝑓𝑖𝑐𝑎 𝑥̅ Grafica S

𝑳𝑺𝑪 = 𝑿̿ + 𝑨𝟑 ̅
𝑺 ̅
𝑳𝑺𝑪 = 𝑩𝟒 𝑺
̿
𝑳𝑪 = 𝑿 𝑳𝑪 = 𝑺̅
̿ − 𝑨𝟑 ̅
𝑳𝑺𝑪 = 𝑿 𝑺 𝑳𝑰𝑪 = 𝑩𝟑 ̅
𝑺

A2, A3, D3, D4, B3, y B4 son constantes cuyos valores dependen de n y se encuentran tabuladas

Producción y Calidad - UTB Msc. Misael Cruz Monroy Control Estadístico de Procesos
Gráfica para valores individuales: x

Esta grafica puede verse como un caso particular de la grafica 𝑥̅ y R cuando el tamaño de la muestra o subgrupo (n) es
igual a 1, pero por las características de los procesos a las que se aplica se ve en forma separada.
La grafica para valores individuales es un diagrama para variables continuas, aplicables a procesos en los cuales para
obtener una medición o una muestra de la producción se requieren periodos relativamente largos. Ejemplos de este tipo
de procesos son:
 Procesos químicos que trabajan por lotes
 Industria de bebidas alcohólicas, en las que debe pasar desde una hasta 100 horas para obtener resultados de los
procesos de fermentación y destilación.
 Procesos en los que las mediciones cercanas solo difieren por el error de medición. Por ejemplo, temperaturas
en los procesos, humedad relativa en el medio ambiente, etc.
También tiene sentido utilizar esta grafica cuando se trata de pruebas o ensayos destructivos.
En estos casos, la mejor alternativa es usar la gráfica para valores individuales, donde el resultado de cada medición
particular de la variable que se está controlando se registra en una gráfica. Los límites para esta grafica son los
siguientes:

̅ + 3 St
LSC = 𝒙
̅
LC = 𝒙
̅ - 3 St
LIC = 𝒙

̅ y St son la media y la desviación estándar del conjunto de datos.

Donde 𝒙
Sin embargo, como en el caso de variables para cada característica de calidad se debe elaborar un par de graficas; una
para la tendencia central y otra para la dispersión y como en este caso, para cada muestra solo se dispone de un dato,
entonces la gráfica x se suele acompañar de la gráfica de Rangos móviles .

La grafica de rangos móviles se ha empleado como complemento de la gráfica de individuales, donde para controlar la
dispersión se calcula y se grafica el rango móvil de n = 2. Sin embargo, estudios recientes demostraron que la gráfica para
valores individuales es suficientemente robusta para detectar cambios tanto en la media como en la dispersión del
proceso. Ya que cuando una medición individual se dispara esto afecta directamente los dos rangos móviles en que
participa. Por ello, hay una tendencia a utilizar solo la gráfica de individuales. De cualquier forma, los límites para las
gráficas x y R móvil son los siguientes:

Grafica x y R móvil
𝑮𝒓𝒂𝒇𝒊𝒄𝒂 𝒙 Grafica R móvil

LSC = ̅
𝒙 +3𝑹̅ /𝒅𝟐 ̅
𝑳𝑺𝑪 = 𝑫𝟒 𝑹
̅
LC = 𝒙 ̅
𝑳𝑪 = 𝑹
̅ /𝒅𝟐
̅ -3𝑹
LIC = 𝒙 ̅
𝑳𝑰𝑪 = 𝑫𝟑 𝑹

Los valores de d2, D3 y D4 son las constante correspondiente a (n = 2). 𝒙 ̅ es el rango

̅ es la media del conjunto de datos y 𝑹
móvil promedio. El rango móvil se obtiene de dos datos consecutivos, así: entre el 1° y el 2° dato se obtiene R1, entre el 2°
y el 3° se obtiene R2, entre el 3° y el 4° se obtiene R3 y así sucesivamente hasta el último Rango.

Producción y Calidad - UTB Msc. Misael Cruz Monroy Control Estadístico de Procesos
ETAPAS EN LA UTILIZACION DE LAS GRAFICAS DE CONTROL PARA VARIABLES:

1. Seleccionar la característica que será controlada

2. Recolectar los datos.
Para análisis inicial reunir datos de por los menos 20 muestras. En la hoja de registro consigne la fecha, la hora y
cualquier información del proceso que pueda ser de utilidad para identificar causas especiales de variación como las
condiciones de trabajo, el turno, el método de medición, etc.
3. ̅ - R, calcular los valores de la media (𝒙
Si se van a elaborar las graficas 𝒙 ̅ ) y el rango (R) para cada muestra.
̅ – S, calcular los valores de la media (𝒙
Si se van a elaborar las graficas 𝒙 ̅ ) y de la desviación estándar (S) para cada
muestra.
Por lo general estos cálculos se realizan con una cifra decimal más que aquellas de los datos originales.
4. De acuerdo con el paso anterior, calcular los valores de 𝑿 ̿ , la media de las medias y de 𝑅̅, el rango promedio o de 𝑿
̿
y de 𝑺̅
5. Calcular los límites de control de acuerdo con las expresiones dadas anteriormente.

6. Elaborar las graficas

7. Leer la gráfica de control: Observación sobre si existe o no existe control estadístico.

Si existe control estadístico, el proceso funciona en condiciones estables, sus resultados son predecibles y por
consiguiente los límites calculados se pueden extender para controlar la producción futura.

Si no existe control estadístico, investigar las causas. Si la causa es identificada tomar las acciones correctivas que
sean necesarias para eliminarlas y retornar el proceso a su funcionamiento normal.

Se debe revisar primero la gráfica de dispersión, eliminando los puntos fuera de control, hasta que se observe
estabilidad. Hacer lo mismo con la gráfica de 𝒙 ̿ corregida y los nuevos límites de control,
̅, si es necesario, hallando 𝑿
hasta que se observe estabilidad en el centramiento. Cuando se hayan hecho estas revisiones, se pueden extender
los límites para controlar la producción futura y se pueden estimar los parámetros estadísticos del proceso.

8. Estimar los parámetros estadísticos del proceso:

̅ ̅
µ̂ = 𝑿 ̂=𝑹
̿ y 𝝈 ⁄𝒅 ̂ = 𝑺⁄𝑪
ó 𝝈
𝟐 𝟒

9. Realizado el análisis de estabilidad, a continuación se puede realizar el análisis de capacidad y emprender las
acciones que sean necesarias.
a. Acciones en relación con las Especificaciones
1. Determinar la capacidad del proceso.
2. Determinar si el proceso puede cumplir o no las especificaciones. Calcular Cp y Cpk
3. Tomar las acciones necesarias sobre el proceso o sobre las especificaciones para adecuarlos mutuamente.
b. Acciones en relación con el proceso
1. Tomar acciones correctivas o preventivas sobre el proceso cuando las cartas indiquen inestabilidad.
2. Dejar que el proceso continúe sin modificaciones cuando las cartas indican estabilidad y el proceso está
cumpliendo con las especificaciones.
3. Iniciar investigaciones para detectar causas de fluctuación indebida o inestabilidad, o para mejorar el
comportamiento del proceso.

10. Revisión periódica

A intervalos regulares, cada 25, 50 ó 100 muestras, por ejemplo, o cada semana, mes o trimestre, deben revisarse las
líneas centrales y los límites de control de las gráficas respectivas, si durante estos períodos se han observado señales
de inestabilidad o se han modificado los procesos.
Producción y Calidad - UTB Msc. Misael Cruz Monroy Control Estadístico de Procesos
DEDUCCIÓN DE LAS EXPRESIONES PARA EL CÁLCULO DE LÍMITES Y CONSTANTES
En general los límites para las gráficas o cartas de control corresponden al siguiente modelo:

Promedio del indicador ± 3 Desviaciones estándar del indicador

Se han elegido los límites de 3 en lugar de otros, porque la experiencia ha demostrado que los límites de 3 es el más
útil y económico para las gráficas de control, puesto que para ese valor la mayor parte de las distribuciones de frecuencia
encontradas en la industria, tienden a la normalidad.1

Las expresiones para calcular los límites de las gráficas de control, dependen de si los parámetros estadísticos del proceso
(µ y σ) son conocidos o desconocidos.

Cálculo de límites cuando los parámetros estadísticos son conocidos

Los límites para las gráficas de control 𝑥̅ y R o 𝑥̅ y S o x se calculan al inicio del período para el cual van a ser aplicadas;
luego a medida que se toman los datos, se calculan los estimadores y se grafica e interpreta el punto correspondiente.

Las expresiones para calcular los límites de control, cuando los parámetros estadísticos son conocidos, se deducen como
se indica a continuación:

1) ̅:
Límites para la gráfica 𝒙
De acuerdo con el teorema del límite central:
𝜎
𝜇𝑋̅ = 𝐸(𝑋̅) = µ𝑥 y 𝐷𝑒𝑠𝐸𝑠𝑡(𝑋̅) = 𝜎𝑋̅ =
√𝑛

𝜎
̅ = 𝜇𝑋̅ ± 3𝜎𝑋̅ = µ𝑥 ± 3
De donde, Límites gráfica 𝒙 = µx ± A.σ A = 3/√𝒏
√𝑛

2) Límites para la gráfica R:

Distribución del rango relativo, W = R/σ - Para muestras extraídas de una población normal:

µw = d2 y σw = d3 de donde: µR = d2.σx y σR = d3.σx

Y por consiguiente, Límites gráfica R = µR ± 3 σR = d2.σx ± 3 d3.σx = (d2 ± 3 d3) σx

En donde, (d2 + 3 d3) = D2 y (d2 - 3 d3) = D1

3) Límites para la gráfica S:

Distribución de la desviación estándar muestral S – Para muestras extraídas de una población normal:
µ𝒔 = 𝑬(𝑺) = 𝑪𝟒 𝝈𝒙 y 𝑫𝒆𝒔𝑬𝒔𝒕(𝑺) = 𝝈𝑺 = 𝝈𝒙 √𝟏 − 𝑪𝟐𝟒

De donde, Límites gráfica S = µ𝒔 ± 3𝝈𝑺 = 𝑪𝟒 𝝈𝒙 ± 3𝝈𝒙 √𝟏 − 𝑪𝟐𝟒 = (𝑪𝟒 ± 3√𝟏 − 𝑪𝟐𝟒 ) 𝝈𝒙

Aquí: (𝑪𝟒 + 3√𝟏 − 𝑪𝟐𝟒 ) = B6 y (𝑪𝟒 - 3√𝟏 − 𝑪𝟐𝟒 ) = B5

Producción y Calidad - UTB Msc. Misael Cruz Monroy Control Estadístico de Procesos
De acuerdo con lo anterior, las expresiones para los límites de control son las siguientes:

̅
Gráfica 𝒙 Gráfica R Gráfica S Gráfica x

LSC = µ + A σ LSC = D2 σ LSC = B6 σ LSC = µ + 3 σ

LC = µ LC = d2 σ LC = C4 σ LC = µ
LIC = µ - A σ LIC = D1σ LIC = B5 σ LIC = µ - 3 σ

Los valores de A, d2, D1, D2, C4, B5 y B6 son constante que dependen del tamaño de la muestra o tamaño del subgrupo (n)
y se encuentran tabuladas.

Cálculo de límites cuando los parámetros estadísticos son desconocidos

̅ yR
GRÁFICA DE CONTROL 𝒙
Las expresiones para los límites y las correspondientes constantes, se fundamentan en

1) Límites para la gráfica R:

De la distribución del rango relativo, W = R/σ sabemos que:

µ̂𝑹 = 𝑹̅ y 𝝈 ̂ 𝑹 = 𝒅𝟑 𝝈
̂ 𝒙 pero como µ̂𝑹 = 𝒅𝟐 𝝈̂ 𝒙 entonces 𝝈 ̅
̂𝒙 = 𝑹⁄𝒅
𝟐
̂ 𝑹 = 𝒅𝟑 ⁄𝒅̅
𝑹
Y 𝝈
𝟐

̅ ± 3𝝈
De donde, Límites grafica R = 𝑹 ̂𝑹 = 𝑹 ̅
̅ ± 3 𝒅𝟑 𝑹 ̅
= (1 ± 3d3/d2) 𝑹
⁄𝒅
𝟐

Aquí´: (1 - 3d3/d2) = D3 y (1 + 3d3/d2) = D4

̅
2) Límites para la grafica 𝒙

̅
De acuerdo con la distribución de la media muestral 𝒙

̂
𝝈 ̅ ̅
𝑹
̿ y𝝈
µ̂𝒙̅ = µ̂𝒙 = 𝑿 ̂𝑋̅ = 𝒙⁄ ̂𝒙 = 𝑹
pero como 𝝈 ⁄𝒅 ̂ 𝑥̅ =
entonces 𝝈
√𝒏 𝟐 𝒅 𝟐 √𝒏

̅
̿ ± 3𝝈
̅ = 𝑿
De donde, Límites grafica 𝒙 ̿ ± 3 𝑹
̂𝑋̅ = 𝑿 ̿ ± 𝑨𝟐 𝑹
= 𝑿 ̅
𝒅 𝒏 𝟐√

De acuerdo con lo anterior, las expresiones para el cálculo de los límites de control, son las siguientes:
𝐺𝑟𝑎𝑓𝑖𝑐𝑎 𝑥̅ Grafica R

̿ + 𝑨𝟐 𝑹
𝑳𝑺𝑪 = 𝑿 ̅ ̅
𝑳𝑺𝑪 = 𝑫𝟒 𝑹
̿
𝑳𝑪 = 𝑿 ̅
𝑳𝑪 = 𝑹
̿ − 𝑨𝟐 𝑹
𝑳𝑰𝑪 = 𝑿 ̅ ̅
𝑳𝑰𝑪 = 𝑫𝟑 𝑹

Producción y Calidad - UTB Msc. Misael Cruz Monroy Control Estadístico de Procesos
 m

X i
Donde: X  i 1 ̅ = ∑ 𝑹𝒊 es el rango promedio.
es la media de las medias y 𝑹
m 𝒎

A2, D3 y D4 son constantes cuyos valores dependen de n y se encuentran tabuladas.

Si el proceso está bajo control estadístico, los parámetros estadísticos del proceso se estiman de la siguiente manera:

̿
µ̂ = 𝑿 y 𝝈 ̅
̂=𝑹⁄𝒅
𝟐

̿= 𝒙
Si el proceso no está bajo control, entonces µ̂ = 𝑿 ̅𝒕 y ̂ = 𝑺𝒕
𝝈

̅ yS
GRÁFICA DE CONTROL 𝒙
Las expresiones para los límites y las correspondientes constantes, se fundamentan en:

1) La distribución de la desviación estándar muestral S: µ̂𝑺 = ̅

𝑺 y 𝝈 ̂ 𝒙 √𝟏 − 𝑪𝟐𝟒
̂𝑺 = 𝝈

̅ ̅
𝑺
̅ = 𝑪𝟒 𝝈
̂ 𝒙 entonces 𝑺
Pero como µ̂𝑺 = 𝑪𝟒 𝝈 ̂ 𝒙 = 𝑺⁄𝑪
̂ 𝒙 de donde 𝝈 ̂𝑺 =
y por consiguiente: 𝝈 √𝟏 − 𝑪𝟐𝟒
𝟒 𝑪𝟒

̂𝑺 = ?
Los límites para la grafica S serán: µ̂𝑺 ± 3𝝈
2) ̅
La distribución de la media muestral 𝒙

̂𝒙
𝝈 ̅ ̅
𝑺
̿
µ̂𝒙̅ = µ̂𝒙 = 𝑿 y ̂𝑋̅ =
𝝈 ⁄ pero como ̂ 𝒙 = 𝑺⁄𝑪
𝝈 Entonces ̂ 𝑥̅ =
𝝈
√𝒏 𝟒 𝑪 𝟒 √𝒏

̅
̿ ± 3𝝈
̅ = 𝑿
De donde los límites para la grafica 𝒙 ̿ ± 3 𝑺
̂𝑋̅ = 𝑿 = 𝑿 ̅
̿ ± 𝑨𝟑 𝑺
𝑪 𝒏 𝟒√

De acuerdo con lo anterior, las expresiones para los límites de control son:

𝐺𝑟𝑎𝑓𝑖𝑐𝑎 𝑥̅ Grafica S

𝑳𝑺𝑪 = 𝑿̿ + 𝑨𝟑 ̅
𝑺 𝑳𝑺𝑪 = 𝑩𝟒 ̅
𝑺
̿
𝑳𝑪 = 𝑿 𝑳𝑪 = ̅
𝑺
𝑳𝑺𝑪 = 𝑿 ̅
̿ − 𝑨𝟑 𝑺 ̅
𝑳𝑰𝑪 = 𝑩𝟑 𝑺

̿ es la media de las medias, ̅

Donde: 𝑿 𝑺 es la desviación estándar promedio y A3, B3 y B4 son constantes cuyos valores
dependen de (n) y se encuentran tabulados.

Si el proceso está bajo control, entonces los parámetros estadísticos del proceso se estiman en este caso, así:
̅
̿
µ̂ = 𝑿 y 𝝈 ̂ = 𝑺⁄𝑪
𝟒

̿= 𝒙
Si el proceso no está bajo control, entonces µ̂ = 𝑿 ̅𝒕 y ̂ = 𝑺𝒕
𝝈

Producción y Calidad - UTB Msc. Misael Cruz Monroy Control Estadístico de Procesos