TALLER #5

CONTROL ESTADISTICO DE CALIDAD

PRESENTADOR POR:
JHON EMIRO ARENAS BUENDIA

PRESENTADO A:
MAURICIO QUINTANA

CARTGANE DE INDIAS D.T. y C.

2020
 PROBLEMA #1

Se deposita una capa de TiW sobre un sustrato utilizando una herramienta de pulverización
catódica. La tabla contiene medidas de espesor de capa (en Angstroms) en 20 subgrupos de Cuatro
sustratos.

Subgroup x1 x2 x3 x4
1 459 449 435 450
2 443 440 442 442
3 457 444 449 444
4 469 463 453 438
5 443 457 445 454
6 444 456 456 457
7 445 449 450 445
8 446 455 449 452
9 444 452 457 440
10 432 463 463 443
11 445 452 453 438
12 456 457 436 457
13 459 445 441 447
14 441 465 438 450
15 460 453 457 438
16 453 444 451 435
17 451 460 450 457
18 422 431 437 429
19 444 446 448 467
20 450 450 454 454
Tabla 1: Medidas de espesor Fuente: Taller 5 Control Estadístico.

Antes de resolver cada ítem del problema, es necesario evaluar la normalidad de los datos.
Debido a que así se estableció en las clases de control estadístico. Esto se realiza con el fin de tener
certeza de que los datos siguen una distribución normal y que los resultados obtenidos de cada uno
de los análisis van a tener mayor confianza. Para esto, hacemos uso del paquete Nortest de R –
Studio, el cual es el más adecuado por la cantidad de datos igual a 80, almacenando con
anterioridad estos dentro de una variable llamada todos. (todos<-c(x))

> # LLAMAOS AL LIBRO NORTEST PARA APLICAR LA PRUEBA #

> library(nortest)
> lillie.test(todos)
Lilliefors (Kolmogorov-Smirnov) normality test
data: todos
D = 0.063681, p-value = 0.5862

Se debe tener presente la siguiente regla: Si P – Value < α – Se rechaza la Ho y Si P – Value >
α Se acepta la Ho

Donde Ho: Los datos siguen distribución normal y Ha: Los datos no siguen distribución normal.

Nivel de confianza 95% -> α=0.05

P-Value es mayor que α, entonces los datos si siguen distribución normal.

Ahora sí, podemos pasar a resolver con mayor confianza cada uno de los ítems que platea el
problema en estudio.

A. Realizar la carta X – R en este proceso. ¿Esta este proceso en control? Revisar los límites
de control si es necesario.

Solucion pasó a paso:

Paso 1: Los datos se encuentran distribuidos en subgrupos, por lo cual, hace necesario
dividirlos de la misma forma en R – Studio para poder analizarlos. Esta operación se realiza de la
siguiente forma:

> # DVIDIMOS LOS DATOS POR CADA MUESTRA #

> X1<-c(459,443,457,469,443,444,445,446,444,432,445,456,459,441,460,453,451,4
22,444,450)
> X2<-c(449,440,444,463,457,456,449,455,452,463,452,457,445,465,453,444,460,4
31,446,450)
> X3<-c(435,442,449,453,445,456,450,449,457,463,453,436,441,438,457,451,450,4
37,448,454)
> X4<-c(450,442,444,438,454,457,445,452,440,443,438,457,447,450,438,435,457,4
29,467,454)
> # GENERAMOS EL DATA FRAME #
> data1<-data.frame(X1,X2,X3,X4)

Con el comando as.matrix(x), podemos observar que al segmentar los datos de esta manera, lo
que logramos fue generar una tabla internamente en R – Studio, de la misma forma como lo
presenta el problema. Donde x representa al data.frame almacenado en la variable data1.

> as.matrix(data1) [7,] 445 449 450 445 [15,] 460 453 457 438
X1 X2 X3 X4 [8,] 446 455 449 452 [16,] 453 444 451 435
[1,] 459 449 435 450 [9,] 444 452 457 440 [17,] 451 460 450 457
[2,] 443 440 442 442 [10,] 432 463 463 443 [18,] 422 431 437 429
[3,] 457 444 449 444 [11,] 445 452 453 438 [19,] 444 446 448 467
[4,] 469 463 453 438 [12,] 456 457 436 457 [20,] 450 450 454 454
[5,] 443 457 445 454 [13,] 459 445 441 447
[6,] 444 456 456 457 [14,] 441 465 438 450
 Paso 2: Analizaremos en primer lugar la carta R ya que esta nos permitirá saber en primer lugar
según Humberto Gutiérrez, la variación de los rangos en los subgrupos, lo cual permite detectar
cambios en la amplitud o magnitud de la variación del proceso. Además, Humberto Gutiérrez
recomienda “analizar primero la carta R debido a que los límites de control de la carta X, están
influenciados por el control que tenga la primera: si la carta de rangos esta fuera de control,
puede provocar que los límites de control de la carta de medias resulten un poco más afuera de
lo que deberían estar” Para realizar esta carta, es necesario hallar el promedio de los rangos de los
subgrupos, lo cual realizarnos con la ayuda de Microsoft Excel.

Subgrupo X1 X2 X3 X4 Media Rango

1 459 449 435 450 448.25 24
2 443 440 442 442 441.75 3
3 457 444 449 444 448.5 13
4 469 463 453 438 455.75 31
5 443 457 445 454 449.75 14
6 444 456 456 457 453.25 13
7 445 449 450 445 447.25 5
8 446 455 449 452 450.5 9
9 444 452 457 440 448.25 17
10 432 463 463 443 450.25 31
11 445 452 453 438 447 15
12 456 457 436 457 451.5 21
13 459 445 441 447 448 18
14 441 465 438 450 448.5 27
15 460 453 457 438 452 22
16 453 444 451 435 445.75 18
17 451 460 450 457 454.5 10
18 422 431 437 429 429.75 15
19 444 446 448 467 451.25 23
20 450 450 454 454 452 4
448.6875 16.65
Tabla 2: Hallar rango promedio y media de medias Fuente: Autor.

∑𝑛𝑖=1 𝑅𝑖 333
𝑅̅ = = = 16.65
𝑛 20

En la ecuación anterior, n representa el número de subgrupos que tiene el estudio y la sumatoria

está dada entre el rango del subgrupo 1 hasta el subgrupo 20. El rango se halla restando el valor
máximo del subgrupo menos el valor mimo del mismo. Luego para hallar el promedio de los
rangos se divide la sumatoria entre el total de subgrupos, obteniendo el mismo valor que se calculó
con Excel.

Paso 3: Para hallar los límites de control de la carta R, usaremos la fórmula planteada por
Humberto Gutiérrez en su libro ubicado en la página 184.

𝐿𝐶𝐼 = 𝐷3 𝑅̅ , 𝐿𝑖𝑛𝑒𝑎 𝑐𝑒𝑛𝑡𝑟𝑎𝑙 = 𝑅̅ , 𝐿𝐶𝑆 = 𝐷4 𝑅̅

Donde 𝐷3 y 𝐷4 son constantes dadas en la tabla A1 del apéndice del mismo libro y representa
respectivamente una simplificación de las siguientes operaciones:

𝑑3 𝑑3
[1 − 3 ( )] 𝑅̅ , [1 + 3 ( )] 𝑅̅
𝑑2 𝑑2

Luego entonces, para valores de 𝑛 = 4 tenemos que el valor de 𝐷3 = 0 𝑦 𝐷4 = 2.2822 (Ver

Imagen 1). Posteriormente calculamos los límites de control.

Imagen 1: Valores de 𝐷3 𝑦 𝐷4 Fuente: Control estadístico de Calidad y Seis Sigma – Humberto

Gutiérrez.

𝐿𝐶𝐼 = 0 ∗ 16.65 = 0

𝐿𝐶𝑆 = 2.2822 ∗ 16.65 = 37.99863

El obtener el valor de los límites procedemos a realizar la carta de control con ayuda R – Studio
usando los siguientes comandos.

# CARTA R #
> rbar<-qcc(data = data1, type = "R", title = "Carta de control R para los es
pesores", ylab = "Rango de la muestra", xlab = "Subgrupo")
 Imagen 2: Carta de control para los rangos Fuente: Autor usando R – Studio.

Paso 4: Observando que la carta de control R muestra que el proceso se encuentra en control,
procedemos a realizar la carta X e interpretamos los resultados de esta. Para esta carta, no se trabaja
con el promedio de los rangos, sino con el promedio de las medias calculadas en Excel, el cual, es
obtenido de la siguiente manera.

∑𝑛𝑖=1 𝑋̅𝑖 8973.75

̅
𝑋= = = 448.6875
𝑛 20

Para calcular los límites de control, no se tiene en cuenta el mismo parámetro que en la carta R,
en esta ocasión se usara una constante 𝐴2 , también encontrada en la tabla A1 del apéndice del libro
guía. Para valores de 𝑛 = 4 encontramos un valor de 𝐴2 = 0.729 como se muestra en la imagen
1. Luego entonces tenemos que los límites de control en esta carta son:

𝐿𝐶𝐼 = 𝑋̅ − 𝐴2 𝑅̅ , 𝐿𝑖𝑛𝑒𝑎 𝐶𝑒𝑛𝑡𝑟𝑎𝑙 = 𝑋̅, 𝐿𝐶𝑆 = 𝑋̅ + 𝐴2 𝑅̅

La constante 𝐴2 reemplaza en los límites superiores e inferiores a la siguiente expresión

matemática:

3
𝑑2 √𝑛

𝐿𝐶𝐼 = 448.6875 − 0.729 ∗ 16.65 = 436.5496

 𝐿𝐶𝑆 = 448.6875 + 0.729 ∗ 16.65 = 460.8253

Imagen 3: Carta de control 𝑋̅ para los espesores Fuente: Autor con R – Studio.

En la carta de control R encontramos que uno de los puntos se encuentra por fuera de los límites
de control. Según Humberto Gutiérrez, cuando eso ocurre en este tipo de cartas se dice que hubo
un cambio en el nivel promedio del proceso, particularmente en las cartas 𝑋̅ implica un cambio en
la media del proceso. Esta situación puede ser generada por los siguientes aspectos:

 La introducción de nuevos trabajadores, maquinas, materiales o métodos.

 Cambios en métodos de inspección
 Una mayor o menor atención de los trabajadores
 Porque el proceso ha mejorado (o empeorado)

IMPORTANTE: Luego de realizar las cartas X – R, se observó que el proceso NO se

encuentra en control debido a lo detectado con la carta X. Luego entonces, debemos revisar los
límites de control para tener certeza de, si ese punto que está por fuera, representa en realidad que
el proceso es inestable. Lo anterior, lo realicemos usando el concepto de Índice de inestabilidad.
 Paso 5: El índice de inestabilidad proporciona una medición de que tan inestable es un proceso,
con lo que se podrán diferenciar los procesos que de manera esporádica, tengan puntos o señales
especiales de variación (Lo que sucede con el punto la media del subgrupo 18 en este problema).

𝑁𝑢𝑚𝑒𝑟𝑜 𝑑𝑒 𝑝𝑢𝑛𝑡𝑜𝑠 𝑒𝑠𝑝𝑒𝑐𝑖𝑎𝑙𝑒𝑠

𝑆𝑡 = ∗ 100
𝑁𝑢𝑚𝑒𝑟𝑜 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑝𝑢𝑛𝑡𝑜𝑠

1
𝑆𝑡 = ∗ 100 = 5 → 5%
20

Esta valor de índice de inestabilidad no es muy bueno para el proceso, si observamos la página
192 del libro guía, en esta se establece que para considerar buena estabilidad, el índice anterior
debe estar en rango de 0 a 2%, estabilidad regular 2% a 4% y de 4% en adelante el proceso empieza
a tener mala estabilidad. Lo cual confirma lo establecido con la carta 𝑋̅

Paso 6: En la carta mencionada en el párrafo anterior, también se observa un patrón en la parte

central de la misma. Este patrón puede ser asociado con la falta de variabilidad o estratificación
del proceso. Sin embargo, para tener certeza de que esto sea así, debe cumplirse que 15 puntos
consecutivos se encuentren en la zona C, arriba o debajo de la línea centra. Para confirmar esto, se
dividirá la carta 𝑋̅ en las zonas A, B y C, teniendo en cuenta los limites reales del proceso de la
siguiente manera:

𝑍𝑜𝑛𝑎 𝐶 = 𝜇𝑥̅ ± 𝜎𝑥̅

𝑍𝑜𝑛𝑎 𝐵 = 𝜇𝑥̅ ± 2𝜎𝑥̅

𝑍𝑜𝑛𝑎 𝐴 = 𝜇𝑥̅ ± 3𝜎𝑥̅

Donde 𝜇𝑥̅ es el valor correspondiente a la medida de las medias y 𝜎𝑥̅ es la desviación estándar
de las medas. Estimaremos está haciendo uso del promedio de los rangos de los subgrupos y al
constante 𝑑2 cuando 𝑛 = 4 que puede ser encontrada en la imagen 1.

𝜎 𝑅̅ 16.65
𝜎𝑥̅ = → 𝜎̂ = → 𝜎̂ = = 8.08644
√𝑛 𝑑2 2.059

8.08644
𝜎𝑥̅ = = 4.0432
√4

𝑍𝑜𝑛𝑎 𝐶 = 448.6875 ± 4.0432

 𝑍𝑜𝑛𝑎 𝐵 = 448.6875 ± 2 ∗ 4.0432

𝑍𝑜𝑛𝑎 𝐴 = 448.6875 ± 3 ∗ 4.0432

Teniendo claro cómo se construyen las zonas A, B y C procederemos a usar R – Studio para
mirar cuantos puntos se encuentran en la zona C. Para esto, usaremos el argumento nsigmas = 1,
dentro del código que uso para generar la carta 𝑋̅ de la siguiente forma:

> # REALIZAMOS LA CARTA DE CONTROL X #

> rbar<-qcc(data = data1, type = "xbar", nsigmas = 1, title = "Carta de contr
ol X para los espesores",
+ ylab = "Media de la muestra", xlab = "Subgrupo")

Imagen 4: Carta de control con nsigmas = 1 Fuente: Autor con R – Studio.

Con la carta 𝑋̅ construida a solo para zona C, se observa que las sospechas de una falta de
variabilidad no son verdaderas, dado que solo se encontraron 8 puntos seguidos en esta zona.

B. Estime la media y la desviación estándar del proceso.

Solucion pasó a paso:

Paso 1: Estos valores ya fueron estimados anteriormente en inciso A. véase la tabla 1 de los
valores calculados en Excel donde se estableció que la media de las medias es 448.6875, el cual
conducido con el valor mostrado en la imagen 2 y 3. Por otro lado, véase el Paso 6 del inciso donde
se calcula la estimación de la desviación estándar para poder calcular los límites que tiene las zonas
de control en el grafico da la carta 𝑋̅.

𝜇𝑥̅ = 448.6875

𝑅̅ 16.65
𝜎̂ = → 𝜎̂ = = 8.08644
𝑑2 2.059

Obsérvese que este valor de desviación estándar estimado coincide con el valor de desviación
estándar mostrado en la imagen 2 y 3.

C. ¿Los espesores cumplen con el supuesto de distribución normal?

Antes de empezar a resolver los problemas se llegó a la conclusión que los espesores si siguen
distribución normal debido a que el P – Value tuvo un valor de mayor al de 𝛼 = 0.05. Podemos
comprobar este supuesto realizando el diagrama de dispersión de los datos usando R – Studio.

En la imagen 4 se muestra claramente que los datos siguen distribución normal al presentar una
cercanía a la línea.

> # REALIZAMOS EL DIAGRAMA DE DISPERSION #

> qqnorm(todos)
> qqline(todos)

Imagen 4: Diagrama de dispersión de los espesores Fuente: Autor con R – Studio

 D. Si la especificación esta entre 450 ± 30, estima la capacidad del proceso.

Solucion pasó a paso:

Paso 1: Para analizar la capacidad del proceso se decidió calcular el índice Cp y realizar el
diagrama de capacidad del proceso. Temas que ya fueron estudiados en el taller anterior.

𝐿𝐶𝑆 − 𝐿𝐶𝐼
𝐶𝑝 =
6𝜎

El no conocer el valor de 𝜎 usaremos la estimación realizada en el inciso A la cual dio 𝜎̂ =

8.08644. Luego entonces, el valor Cp seria ahora un estimado que se representa como 𝐶̂𝑝

𝐿𝐶𝑆 − 𝐿𝐶𝐼 480 − 420

𝐶̂ 𝑝 = = = 1.236
6𝜎̂ 6(8.08644)

Para este valor de Cp, tomando como referencia la tabla 5.1 del libro de Humberto Gutiérrez se
tiene un proceso de categoría 2, parcialmente adecuado con controles estrictos. Lo cual, coincide un
con lo interpretado en la carta de control R, donde se definió que el proceso no se encontraba bajo
control.

> e<-qcc(data1[1:20,], type="xbar", nsigmas = 3, plot = FALSE)

> process.capability(e, spec.limits = c(420, 480), target = 450)
Process Capability Analysis
Call:
process.capability(object = e, spec.limits = c(420, 480), target = 450)
Number of obs = 80 Target = 450
Center = 448.7 LSL = 420
StdDev = 8.086 USL = 480
Capability indices:
Value 2.5% 97.5%
Cp 1.237 1.0440 1.429
Cp_l 1.183 1.0161 1.349
Cp_u 1.291 1.1111 1.470
Cp_k 1.183 0.9842 1.381
Cpm 1.221 1.0293 1.412
Exp<LSL 0.019% Obs<LSL 0%
Exp>USL 0% Obs>USL 0%
 Imagen 4: Grafico de capacidad del proceso Fuente: Autor con R – Studio.

Este grafico muestra que Exp<LSL 0.019%, lo cual representa el punto que se encontró por
fuera en la carta 𝑋̅. Sin embargo, los índices de capacidad tienen buenos valores. Esto demuestra
lo dicho por Humberto Gutiérrez en su libro que las cartas de control NO deben ser usadas para
evaluar capacidad y que solo se deben usar para mirar cual es la estabilidad de un proceso.

PROBLEMA 2

La tabla contiene 10 nuevos subgrupos de espesor datos. Trace estos datos en los gráficos de
control construidos en el Ejercicio 1. ¿Está el proceso en control estadístico?

Subgrupo X1 X2 X3 X4
21 454 449 443 461
22 449 441 444 455
23 442 442 442 450
24 443 452 438 430
25 446 459 457 457
26 454 448 445 462
27 458 449 453 438
28 450 449 445 451
29 443 440 443 451
30 457 450 452 437
Tabla 3: Nuevos datos tomados para los espesores Fuente: Taller 5 Control Estadístico.
 Solucion pasó a paso:

Paso 1: Se deben agregar los nuevos 10 datos a la matriz, lo cual se realizara de la misma forma
como se construyó inicialmente la matriz, con la diferencia radical que ahora se construirán el data
Frame 2 y las columnas tendrán nombres y1, y2, y3 y y4 para no generar conflictos en R – Studio.

> as.matrix(data2) [10,] 432 463 463 443 [21,] 454 449 443 461
y1 y2 y3 y4 [11,] 445 452 453 438 [22,] 449 441 444 455
[1,] 459 449 435 450 [12,] 456 457 436 457 [23,] 442 442 442 450
[2,] 443 440 442 442 [13,] 459 445 441 447 [24,] 443 452 438 430
[3,] 457 444 449 444 [14,] 441 465 438 450 [25,] 446 459 457 457
[4,] 469 463 453 438 [15,] 460 453 457 438 [26,] 454 448 445 462
[5,] 443 457 445 454 [16,] 453 444 451 435 [27,] 458 449 453 438
[6,] 444 456 456 457 [17,] 451 460 450 457 [28,] 450 449 445 451
[7,] 445 449 450 445 [18,] 422 431 437 429 [29,] 443 440 443 451
[8,] 446 455 449 452 [19,] 444 446 448 467 [30,] 457 450 452 437
[9,] 444 452 457 440 [20,] 450 450 454 454

Paso 2: Creamos las cartas de control usando los mismos argumentos que en el inciso anterior
de la siguiente forma:

> # REALIZAMOS LA CARTA DE CONTROL R #

> rbar2<-qcc(data = data2, type = "R", title = "Carta de control R para los e
spesores",
+ ylab = "Rango de la muestra", xlab = "Subgrupo")
> # REALIZAMOS LA CARTA DE CONTROL X #
> rbar2<-qcc(data = data2, type = "xbar", title = "Carta de control X para lo
s espesores",
+ ylab = "Media de la muestra", xlab = "Subgrupo")

Imagen 5: Carta R con nuevos espesores Fuente: Autor con R – Studio.

 Imagen 6: Carta 𝑋̅ para los nuevos espesores Fuente: Autor con R – Studio.

Conclusiones iniciales: La carta R, muestra una estabilidad estadística bastante buena, los
rangos de los subgrupos no muestran ningún patrón aleatorio para considerar inestabilidad y todos
los datos se encuentran dentro de los límites. Por el contrario, la carta 𝑋̅ muestra nuevamente el
punto fuera de los límites que ya se había encontrado en el problema anterior, además, muestra
una pequeña tendencia a descender, aunque esta no alcanza los 6 puntos necesarios que se tiene
como criterio para considerar inestabilidad. Luego entonces, se puede concluir que los nuevos
datos confirman lo afirmado en el problema anterior, donde se dijo que el proceso NO se
encontraba en control estadístico.

Solo para tener certeza de la inestabilidad del proceso, aplicaremos el índice de inestabilidad
con los 10 nuevos datos y observaremos cual el porcentaje de inestabilidad de este proceso.

𝑁𝑢𝑚𝑒𝑟𝑜 𝑑𝑒 𝑝𝑢𝑛𝑡𝑜𝑠 𝑒𝑠𝑝𝑒𝑐𝑖𝑎𝑙𝑒𝑠

𝑆𝑡 = ∗ 100
𝑁𝑢𝑚𝑒𝑟𝑜 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑝𝑢𝑛𝑡𝑜𝑠

1
𝑆𝑡 = ∗ 100 = 3.33 → 3%
30

Para el porcentaje de inestabilidad obtenido, Humberto Gutiérrez recomiendo en su libro decir

que el proceso se encuentra en una estabilidad regular, ya que, el porcentaje se ubica dentro del
rango 2% a 4%.
 PROBLEMA 3

Supongamos que después de la construcción de la gráficos de control 𝑋̅ - R en el ejercicio 1,

los ingenieros de proceso decidieron cambie el tamaño del subgrupo a n = 2. La tabla contiene 10
nuevos subgrupos de datos de espesor.

Subgrupo X1 X2
21 454 449
22 449 441
23 442 442
24 443 452
25 446 459
26 454 448
27 458 449
28 450 449
29 443 440
30 457 450
Tabla 4: Nuevos datos con tamaño de sub grupo 2 Fuente: Taller 2 Control Estadístico

Dibuje estos datos en los gráficos de control del Ejercicio 1 (a) en función de la nueva tamaño
de subgrupo ¿Está el proceso en control estadístico?

Solucion pasó a paso:

Paso 1: Se deben almacenar dentro de una variable como se observa a continuación:

> # AGEGRAMOS LOS NUEVOS DATOS #

> z1<-c(454,449,442,443,446,454,458,450,443,457)
> z2<-c(449,441,442,452,459,448,449,449,440,450)
> data3<-data.frame(z1, z2)
> as.matrix(data3)
z1 z2 [4,] 443 452 [8,] 450 449
[1,] 454 449 [5,] 446 459 [9,] 443 440
[2,] 449 441 [6,] 454 448 [10,] 457 450
[3,] 442 442 [7,] 458 449

Paso 2: Agregar los nuevos datos en los gráficos obtenidos en el problema 1 usando los
comandos newdata y newsizes de la siguiente forma:

> rbar3<-qcc(data = data1, type = "R", sizes = 4, newdata = data3, newsizes =

2, title = "Carta de control R para los espesores",
+ ylab = "Rango de la muestra", xlab = "Subgrupo")
> # REALIZAMOS LA CARTA DE CONTROL X #
> rbar3<-qcc(data = data1, type = "xbar", sizes = 4, newdata = data3, newsize
s = 2, title = "Carta de control X para los espesores",
+ ylab = "Media de la muestra", xlab = "Subgrupo")
 Imagen 7: Carta de control R para los nuevos espesores Fuente: Autor con R – Studio

Imagen 8: Carta de control 𝑋̅ para los nuevos espesores Fuente: Autor con R – Studio

Conclusiones: Note en la carta R con los nuevos datos muestran una clara inestabilidad debido
a que todos los puntos se encuentran por debajo de la línea central para estos, además los puntos
se tornan amarillos a partir del dato número 6 en los mismos. Esta inestabilidad puede asociarse
con el patrón número 1 “Desplazamientos o cambios en el nivel del proceso”, el cual tiene como
criterio que “hay una tendencia larga y clara de que los puntos en un solo lado de la línea central”,
situación que se está presentando en la carta R. Para este carta, “un cambio de nivel significa que
la variabilidad aumentó o disminuyó, aunque por la falta de simetría de la distribución de R y S,
este patrón del lado inferior de estas cartas se debe ver con mayor reserva y esperar la
acumulación de más puntos por abajo de la línea central para declarar que hay un cambio
significativo (disminución de la variabilidad)”. Es decir, la inestabilidad es clara para los nuevos
datos, pero debe ser vista con reserva para el tipo de carta que se está realizando. Además de lo
anterior, un criterio claro para declarar esta inestabilidad es que “Ocho o más puntos consecutivos
de un solo lado de la línea central”.

Por otro lado, note que la carta X, no muestra otra inestabilidad más que la que se había
detectado en los problemas anteriores. Sin embargo, la causa de variación detectada anteriormente,
coincide con la causa de variación detectada para la carta R en este problema. Es decir,
anteriormente se había dicho que el proceso no tenia se encontraba en control estadístico al detectar
un punto fuera de los límites, lo cual corresponde al patrón de variación número 1
“Desplazamientos o cambios en el nivel del proceso”, el cual es el mismo que se detectó para los
nuevos datos, solo que en esta ocasión el criterio no era un punto por fuera de los limites, si no,
ocho puntos de un lado de la línea central. Por consiguiente se puede reafirmar que el proceso NO
se encuentra en control estadístico. Las causas de esta inestabilidad son las mismas expuestas en
el problema 1:

 La introducción de nuevos trabajadores, maquinas, materiales o métodos.

 Cambios en métodos de inspección
 Una mayor o menor atención de los trabajadores
 Porque el proceso ha mejorado (o empeorado)

PROBLEMA 4

Vuelva a trabajar los problemas 1 y 2 usando las cartas de control X – S.

Solucion pasó a paso:

Paso 1: Debido a que la carta X ya fue graficada anteriormente para estos problemas, se
graficara la carta y se realizará el análisis de la misma. Para esto, es necesario hacer uso de R –
Studio y tomar un nuevo argumento en la construcción de las cartas denominado std.dev
=”UWAVE-SD”, obteniendo así la carta S par los datos que requeridos.
 Imagen 9: Carta S para el ejercicio 1 Fuente: Autor con R – Studio.

Imagen 10: Carta S para el ejercicio 2 Fuente: Autor con R – Studio.

Conclusiones: Note que en las cartas mostradas en las imágenes anteriores, los límites de
control cambian un poco respecto a los inicialmente calculados en la carta R. Sin embargo, en
ambas cartas se sigue violando los límites para un dato. La teoría con respecto esta violación
cuando se construye una carta S, dice que se debe a un aumento o disminución en la variabilidad
del proceso. Este patrón ya fue expuesto en los problemas anteriores y las causas de esta
inestabilidad también, por lo que se encuentra que en todas las cartas que se han construido para
el espesor de las capas, han indicado la misma causa raíz de la inestabilidad del proceso. Luego
entonces, se concluye definitivamente que el proceso no se encuentra en control estadístico bajo
ningún punto de vista.

PROBLEMA 5

Se deben establecer gráficos de control para x y R para controlar la tensión. La fuerza de la

parte metálica. Suponga que la resistencia a la tracción es normalmente distribuida. Se recogen
treinta muestras de tamaño n = 6 partes durante un período de tiempo con los siguientes resultados.

30 30

∑ 𝑋̅𝑖 = 6000 𝑎𝑛𝑑 ∑ 𝑅𝑖 = 150

𝑖=1 𝑖=1

A. Calcule los límites de control para 𝑋̅ and R

Solucion pasó a paso:

Paso 1: Los límites de control se control se calcularan en base a los resultados mostrados por
el enunciado, sabiendo que el número de sub grupos es 30 y que el tamaño de los subgrupos es 6.

Imagen 11: Cartas de control para variables. Fuente: Clase de Control estadístico Mauricio
Quintana.
 Paso 2: Hallamos cada uno de los datos necesarios para obtener los límites de control.

∑ 𝑋̅ 6000
𝑋̅ = = = 200
𝑘 30

∑ 𝑅 150
𝑅̅ = = =5
𝑘 30

Paso 3: Limites de control para la carta 𝑋̅

Imagen 12: Valores de constantes para diferentes tamaños de muestra Fuente: Control
estadístico de Calidad y Seis Sigma – Humberto Gutiérrez.

𝑈𝐶𝐿 = 𝑋̅ + 𝐴2 𝑅̅ = 200 + 0.483 ∗ 5 = 202.415

𝐿𝐶𝐿 = 𝑋̅ − 𝐴2 𝑅̅ = 200 − 0.483 ∗ 5 = 197.585

Paso 4: Limites de control para la carta R.

𝑈𝐶𝐿 = 𝐷4 𝑅̅ = 2.0039 ∗ 5 = 10.0195

𝐿𝐶𝐿 = 𝐷3 𝑅̅ = 0 ∗ 5 = 0

B. Ambas cartas exhiben control. Las especificaciones sobre resistencia a la tracción son 200
± 5. ¿Cuáles son sus conclusiones con respecto a la capacidad del proceso?

Solucion pasó a paso:

Paso 1: Para hallar la capacidad del proceso usaremos como referencia el índice de capacidad
Cp, el cual, ya fue estudiado en los talleres anteriores. Para esto, es necesario primero estimar la
desviación estándar de la siguiente forma.
 𝑅̅ 5
𝜎̂ = = = 1.973
𝑑2 2.534

𝐸𝑆 − 𝐸𝐼 205 − 195
𝐶̂ 𝑝 = = = 0.8447
6𝜎̂ 6 ∗ 1.973

El valor obtenido de 0.8447 para el índice anterior no muestra una capacidad muy buena con
respecto a los límites del proceso. Este valor indica que el proceso “no es adecuado para el
trabajo. Es necesario un análisis del proceso. Requiere de modificaciones serias para alcanzar
una calidad satisfactoria”.

IMPORTANTE: Recuerde que para tener certeza de que los índices proporcionan un buen
veredicto de la capacidad del proceso, los debe ser: Poblacionales, seguir distribución normal y
estar en control estadístico. De los últimos se tiene certeza debido que a que así lo dice el enunciado
del problema, pero del primero no se tiene certeza, entonces, estos resultados deben verso con total
reserva.

C. Para el gráfico x anterior, encuentre el 𝛽 −riesgo cuando la media real del proceso es 199.

Solucion pasó a paso:

Paso 1: para solucionar este problema, es necesario referenciar un poco la teoría de los riesgos
que existen al realizar una prueba de hipótesis. Según Humberto Gutiérrez, en toda prueba de
hipótesis, a ser esta una decisión probabilística, existe el riesgo de cometer dos tipos de errores,
los cuales son, error tipo 1 que es cuando se rechaza la hipótesis nula siendo verdadera y el error
tipo 2 es cuando se acepta la hipótesis nula siendo falsa. 𝛼 𝑦 𝛽 Denotan estos dos tipos de errores
respectivamente. Cabe resaltar que el valor de 𝛽 predefinido en algunos software estadísticos es
de 10%, sin embargo este puede ser cambiado por el usuario. El riesgo tipo 2 también es conocido
como el riesgo para el consumidor, ya que, al aceptar la hipótesis nula siendo esta falsa, se puede
incurrir en el error de enviar piezas no funcionales al consumidor final, cuando estas en realidad
no funcionan. Luego entonces, el inciso c, pregunta cuál es el valor de riesgo de tipo 2 para la
media presentando del mismo.

Paso 2: Resolvemos el inciso con el siguiente planteamiento (Asumiendo la estimación de

desviación realizada en el inciso B):
 𝐻𝑜 = 200 𝑦 𝐻𝑎 ≠ 200

Regla de decisión -> se aceptara Ho si la media de la muestra está entre 195 y 205 (Tomando
como base los limites dados en el inciso B.

𝛽 = 𝑃(𝑎𝑐𝑒𝑝𝑡𝑎𝑟 𝑙𝑎 𝐻𝑜 𝑠𝑖𝑒𝑛𝑑𝑜 𝐻𝑜 𝑓𝑎𝑙𝑠𝑎); 𝑠𝑖 𝜇 = 199

𝛽 = 𝑃(195 < 𝑋̅ < 205; 𝜇 ≠ 200)

197.582 − 199 𝑋̅ − 𝜇 202.415 − 199

𝛽=𝑃 < 𝜎 <
1.973 1.973
√(6) √ 𝑛 √(6)
( )

𝛽 = (−1.760 < 𝑍 < 4.239) = 0.9607

La probabilidad de aceptar que la media es 200 es 96.07%, cuando en realidad 199.

PROBLEMA 6

Los gráficos de control para 𝑋̅ y S se mantienen en una característica de calidad. Los el tamaño de
la muestra es n = 4. Después de 30 muestras, obtenemos

30 30

∑ 𝑋̅𝑖 = 12870 𝑎𝑛𝑑 ∑ 𝑆𝑖 = 410

𝑖=1 𝑖=1

A. Encuentra el límite a 3 sigmas para la carta S.

Solucion pasó a paso:

Paso 1: Se debe comprender que el límite de control a 3 sigmas es que se calcula por defecto
en todas las castas de control, es decir, se está refiriendo a los límites UCL y LCL de la carta de
control S. Luego entonces, usando la formulación presentada en la fila 3 de la imagen 11 hallamos
𝑆̅.

∑ 𝑆 410
𝑆̅ = = = 13.66
𝑘 30

Paso 3: Limites de control para la carta S.

 Imagen 13: Constantes para construcción de cartas de control Fuente: Introducction to
statistical quality control.

𝑈𝐶𝐿 = 𝐵4 𝑆̅ = 2.266 ∗ 13.66 = 30.968

𝐿𝐶𝐿 = 𝐵3 𝑆̅ = 0 ∗ 13.66 = 0

B. Suponiendo que ambos gráficos exhiben control, calcule los parámetros 𝜇 y 𝜎.

Solucion pasó a paso:

Paso 1: Para estimar estos dos parámetros usaremos los datos obtenidos dados por el enunciado
y la tabla mostrada en la imagen 11.

∑ 𝑋̅ 12870
𝑋̅ = = = 429
𝑘 30

𝑆̅ 13.66
𝜎̂ = = = 14.826
𝐶4 0.9213
 La 𝜇 estimada es igual a 429 y 𝜎 estimada es 14.826, ese proceso, tiene una desviación bastante
grande, por lo cual su capacidad no debe ser muy buena, coincidiendo así con concluido en el
inciso A cuando se halló el índice de capacidad Cp.

C. Ambas cartas exhiben control. Las especificaciones sobre resistencia a la tracción son 425
± 5. ¿Cuáles son sus conclusiones con respecto a la capacidad del proceso?

Solucion pasó a paso:

Paso 1: De igual forma como se halló el índice Cp para el problema 5, se estimara la capacidad
de este proceso en función de ese índice.

𝑆̅ 13.66
𝜎̂ = = = 14.826
𝐶4 0.9213

𝐸𝑆 − 𝐸𝐼 430 − 420
𝐶̂ 𝑝 = = = 0.11
6𝜎̂ 6 ∗ 14.826

Como se afirmó al principio de este problema, la capacidad del proceso no es buena. Según el
índice de capacidad obtenido 0.11, el proceso es no adecuado y requiere modificaciones muy
serias.

Nota: estos ejemplos mostrados de incapacidad de los procesos es una muestra de lo afirmado
para las cartas de control, se debe saber que estas no indican capacidad y que solo debe ser usadas
para decidir estabilidad o no.