Dr, Freddy S.

Navarro Pineda

Formulario
1. Gráficas de control

Gráficas de control por variables

Ecuación Variable Nombre de la variable

̅
Gráfica de control 𝑿

3𝜎̂ 𝐿𝐶𝑆𝑋̅ Límite de control superior de la gráfica 𝑋̅

𝐿𝐶𝑆𝑋̅ = 𝑋̿ +
√𝑛 𝐿𝐶𝐶𝑋̅ Límite de control central de la gráfica 𝑋̅
𝐿𝐶𝐼𝑋̅ Límite de control inferior de la gráfica 𝑋̅
𝐿𝐶𝐶𝑋̅ = 𝑋̿ Promedio de los promedios de los datos
𝑋̿
recolectados
3𝜎̂
𝐿𝐶𝐼𝑋̅ = 𝑋̿ − 𝜎̂ Estimador de la desviación estándar poblacional
√𝑛 𝑛 Tamaño de la muestra
𝑅̅ 𝑅̅ Promedio de los rangos de cada muestreo
𝜎̂ =
𝑑2
𝑑2 Valor que depende del tamaño de muestra 𝑛

̅
Gráfica de control 𝑹

𝐿𝐶𝑆𝑅̅ = 𝐷4 ∙ 𝑅̅
𝐿𝐶𝑆𝑅̅ Límite de control superior de la gráfica 𝑅̅
𝐿𝐶𝐶𝑅̅ Límite de control central de la gráfica 𝑅̅
𝐿𝐶𝐶𝑅̅ = 𝑅̅
𝐿𝐶𝐼𝑅̅ Límite de control inferior de la gráfica 𝑅̅
0 ∀ 𝐷3 ∙ 𝑅̅ < 0 𝐷3 Valor que depende del tamaño de muestra 𝑛
𝐿𝐶𝐼𝑅̅ = {
𝐷3 ∙ 𝑅̅ ∀ 𝐷3 ∙ 𝑅̅ ≥ 0 𝐷4 Valor que depende del tamaño de muestra 𝑛
 Dr. Freddy S. Navarro Pineda
Gráficas de control por atributos

Ecuación Variable Nombre de la variable

Gráfica de control 𝒑

𝑝̅ (1 − 𝑝̅ )
𝐿𝐶𝑆𝑝 = 𝑝̅ + 3√
𝑛
𝐿𝐶𝑆𝑝 Límite de control superior de la gráfica 𝑝
𝐿𝐶𝐶𝑝 = 𝑝̅ 𝐿𝐶𝐶𝑝 Límite de control central de la gráfica 𝑝
𝐿𝐶𝐼𝑝 Límite de control inferior de la gráfica 𝑝
𝑝̅ (1 − 𝑝̅ ) 𝑝̅ Proporción media de productos defectuosos
0 ∀ 𝑝̅ − 3√ <0
𝑛 𝑛 Tamaño de la muestra
𝐿𝐶𝐼𝑝 =
𝑝̅ (1 − 𝑝̅ ) 𝑝̅ (1 − 𝑝̅ ) ∑ 𝑑𝑒𝑓𝑒𝑐𝑡𝑜𝑠 Número total de defectos encontrados
𝑝̅ − 3√ ∀ 𝑝̅ − 3√ ≥0
{ 𝑛 𝑛 𝑁 Número total de artículos muestreados

∑ 𝑑𝑒𝑓𝑒𝑐𝑡𝑜𝑠
𝑝̅ =
𝑁

Gráfica de control 𝒁

𝐿𝐶𝑆𝑍 = 3 𝐿𝐶𝑆𝑍 Límite de control superior de la gráfica 𝑍

𝐿𝐶𝐶𝑍 Límite de control central de la gráfica 𝑍
𝐿𝐶𝐶𝑍 = 0
𝐿𝐶𝐼𝑍 Límite de control inferior de la gráfica 𝑍
𝐿𝐶𝑆𝑍 = −3 𝑝𝑖 Proporción de defectuosos en el muestreo 𝑖
̅
𝒑 Proporción media de productos defectuosos
𝑝𝑖 − 𝑝̅
𝑍𝑖 = 𝑛𝑖 Tamaño de la muestra del muestreo 𝑖
√𝑝̅ (1 − 𝑝̅ )/𝑛𝑖
∑ 𝑑𝑒𝑓𝑒𝑐𝑡𝑜𝑠 Número total de defectos encontrados
∑ 𝑑𝑒𝑓𝑒𝑐𝑡𝑜𝑠 𝑁 Número total de artículos muestreados
𝑝̅ =
𝑁

Gráfica de control 𝒄

𝐿𝐶𝑆𝑐 = 𝑐̅ + 3√𝑐̅
𝐿𝐶𝑆𝑐 Límite de control superior de la gráfica 𝑐
𝐿𝐶𝐶𝑐 = 𝑐̅
𝐿𝐶𝐶𝑐 Límite de control central de la gráfica 𝑐
0 ∀ 𝑐̅ − 3√𝑐̅ < 0 𝐿𝐶𝐼𝑐 Límite de control inferior de la gráfica 𝑐
𝐿𝐶𝐼𝑐 = {
𝑐̅ − 3√𝑐̅ ∀ 𝑐̅ − 3√𝑐̅ ≥ 0 ∑ 𝑑𝑒𝑓𝑒𝑐𝑡𝑜𝑠 Número total de defectos encontrados
𝑛 Tamaño de la muestra
∑ 𝑑𝑒𝑓𝑒𝑐𝑡𝑜𝑠
𝑐̅ =
𝑛

2
 Dr. Freddy S. Navarro Pineda
̅y𝑹
Factores para calcular los límites de control de la gráfica 𝑿 ̅

Número de elementos en la
𝑨𝟐 𝒅𝟐 𝑫𝟑 𝑫𝟒
muestra (𝒏)
2 1.880 1.128 0 3.267
3 1.023 1.693 0 2.575
4 0.729 2.059 0 2.282
5 0.577 2.326 0 2.115
6 0.483 2.534 0 2.004
7 0.419 2.704 0.076 1.924
8 0.373 2.847 0.136 1.864
9 0.337 2.970 0.184 1.816
10 0.308 3.078 0.223 1.777
11 0.285 3.173 0.256 1.744
12 0.266 3.258 0.284 1.716
13 0.249 3.336 0.308 1.692
14 0.235 3.407 0.329 1.671
15 0.223 3.472 0.348 1.652

3
 Dr, Freddy S. Navarro Pineda

̅
Diseño económico de la gráfica 𝑿

Ecuación Variable Nombre de la variable

̅
Gráfica de control 𝑿

𝑘𝜎̂ 𝐿𝐶𝑆𝑋̅ Límite de control superior de la gráfica 𝑋̅

𝐿𝐶𝑆𝑋̅ = 𝑋̿ + 𝐿𝐶𝐶𝑋̅ Límite de control central de la gráfica 𝑋̅
√𝑛
𝐿𝐶𝐼𝑋̅ Límite de control inferior de la gráfica 𝑋̅
𝐿𝐶𝐶𝑋̅ = 𝑋̿ 𝑋̿ Promedio de los promedios de los datos recolectados
𝑘 Número de desviaciones entre las cuales la media se mantiene en control
𝑘𝜎̂
𝐿𝐶𝐼𝑋̅ = 𝑋̿ − 𝜎̂ Estimador de la desviación estándar poblacional
√𝑛
𝑛 Tamaño de la muestra
𝑅̅ 𝑅̅ Promedio de los rangos de cada muestreo
𝜎̂ =
𝑑2 𝑑2 Valor que depende del tamaño de muestra 𝑛

Costos de calidad

𝐶𝑐𝑎𝑙𝑖𝑑𝑎𝑑 = 𝐶𝑚𝑢𝑒𝑠𝑡𝑟𝑒𝑜 + 𝐶𝑏ú𝑠𝑞𝑢𝑒𝑑𝑎 + 𝐶𝑜𝑝.𝑓𝑢𝑒𝑟𝑎 𝑐𝑜𝑛𝑡𝑟𝑜𝑙

𝐶𝑐𝑎𝑙𝑖𝑑𝑎𝑑 Costo de calidad
𝐶𝑚𝑢𝑒𝑠𝑡𝑟𝑒𝑜 Costo de muestreo
𝐶𝑚𝑢𝑒𝑠𝑡𝑟𝑒𝑜 = 𝑎1 𝑛
𝐶𝑏ú𝑠𝑞𝑢𝑒𝑑𝑎 Costo de búsqueda
𝛼(1 − 𝜋) 𝐶𝑜𝑝.𝑓𝑢𝑒𝑟𝑎 𝑐𝑜𝑛𝑡𝑟𝑜𝑙 Costo de operación fuera de control
1+
𝐶𝑏ú𝑠𝑞𝑢𝑒𝑑𝑎 = 𝑎2 𝜋
1−𝜋 1 𝑎1 Costo por artículo muestreado
+
𝜋 1−𝛽 𝑎2 Costo esperado de búsqueda por periodo de muestreo
𝑎3 Costo de operación por periodo de muestreo
1
1−𝛽 𝑛 Número de muestras por muestreo
𝐶𝑜𝑝.𝑓𝑢𝑒𝑟𝑎 𝑐𝑜𝑛𝑡𝑟𝑜𝑙 = 𝑎3
1−𝜋 1 𝛼 Error estadístico tipo 1a
+
𝜋 1−𝛽
𝛽 Error estadístico tipo 2b
𝛼 = 2 ∙ (1 − 𝑃{𝑍 < 𝑘}) 𝜋 Probabilidad de que el proceso se desvíe fuera de control (la media cambie de 𝜇 a 𝜇̅ ) en el siguiente periodo
𝑘 Número de desviaciones entre las cuales la media se mantiene en control
𝛽 = 𝑃{−𝑘 − 𝛿 √𝑛 ≤ 𝑍 ≤ 𝑘 − 𝛿 √𝑛} 𝛿 Promedio de desviaciones estándar que se desvía la media (de 𝜇 a 𝜇̅ )

a Probabilidad de observar una señal fuera de control, aunque el proceso esté bajo control.
b Probabilidad de no identificar una señal fuera de control, aunque el proceso esté fuera de control.
 Dr, Freddy S. Navarro Pineda
2. Métricas 6 sigma

Defectos por unidad, defectos por millón de unidades y nivel sigma

Ecuación Variable Nombre de la variable

𝑅𝑖 = 𝑒 −𝐷𝑃𝑈𝑖

𝐷𝑃𝑀𝑂𝑖 = 1,000,000 × 𝐷𝑃𝑈𝑖

𝑅𝑖 Rendimiento del proceso 𝑖
𝑁 𝐷𝑃𝑈𝑖 Defectos por unidad del proceso 𝑖
𝑅𝑇,𝑆 = ∏ 𝑅𝑖 𝐷𝑃𝑀𝑂𝑖 Defectos por millón de unidades del proceso 𝑖
𝑖=1
𝑅𝑇,𝑆 Rendimiento total de un conjunto de procesos en serie
𝑁 𝑅𝑇,𝑃 Rendimiento total de un conjunto de procesos en paralelo
𝑅𝑇,𝑃 = 1 − ∏(1 − 𝑅𝑖 ) 𝑁 Número de procesos
𝑖=1
𝐷𝑃𝑈𝑇 Total de defectos por unidad de un proceso
𝐷𝑃𝑈𝑇 = − ln(𝑅 𝑇 ) 𝑅𝑇 Rendimiento total de un proceso
𝐼𝑐𝑐 Índice de control de calidad del proceso
𝐼𝑐𝑐 = 1 − 𝐷𝑃𝑈𝑇 𝑄𝑐 Cantidad de piezas a comprar (redondeado al mayor)

𝑄𝑟𝑒𝑞 𝑄𝑟𝑒𝑞 Cantidad de piezas requeridas

𝑄𝑐 = 𝑅𝑇,𝑛𝑜𝑟𝑚 Rendimiento total normalizado de un proceso
𝐼𝑐𝑐
𝑚 Número equivalente de procesos en serie
𝑅𝑇,𝑛𝑜𝑟𝑚 = 𝑚√𝑅𝑇 𝐷𝑃𝑈𝑇,𝑛𝑜𝑟𝑚 Defectos por unidad normalizado de un proceso
𝐷𝑃𝑀𝑂𝑇,𝑛𝑜𝑟𝑚 Defectos normalizados por millón de unidades
𝐷𝑃𝑈𝑇,𝑛𝑜𝑟𝑚 = − ln(𝑅 𝑇,𝑛𝑜𝑟𝑚 )
𝑘𝑠,𝑛𝑜𝑟𝑚 Nivel sigma normalizado del proceso
𝐷𝑃𝑀𝑂𝑇,𝑛𝑜𝑟𝑚 = 1,000,000 × 𝐷𝑃𝑈𝑇,𝑛𝑜𝑟𝑚 𝑘𝑠 Nivel sigma de un proceso con 𝐷𝑃𝑈𝑇,𝑛𝑜𝑟𝑚 (una sola cola)

𝑘𝑠,𝑛𝑜𝑟𝑚 = 𝑘𝑠 + 1.5

Capacidad de proceso

Ecuación Variable Nombre de la variable

Proceso centrado

𝐶𝑝 Capacidad de proceso (proceso centrado)

𝑇𝑆,𝑀 Tolerancia superior del mercadoa
𝑇𝑆,𝑀 − 𝑇𝐼,𝑀 1
𝐶𝑝 = = 𝑘 𝑇𝐼,𝑀 Tolerancia inferior del mercadob
6𝜎̂ 3
𝜎̂ Estimador de la desviación estándar poblacional
𝑅̅ 𝑅̅ Promedio de los rangos de cada muestreo
𝜎̂ =
𝑑2 𝑑2 Valor que depende del tamaño de muestra 𝑛
𝑘 Nivel sigma de un proceso (con dos colas)

Proceso no centrado

𝐶𝑝,𝑘 Capacidad de proceso (proceso no centrado)

𝜇 Promedio del proceso
𝑇𝑆,𝑀 − 𝜇 𝜇 − 𝑇𝐼,𝑀 𝑇𝑆,𝑀 Tolerancia superior del mercadoa
𝐶𝑝,𝑘 = min { ; }
3𝜎̂ 3𝜎̂ 𝑇𝐼,𝑀 Tolerancia inferior del mercadob
𝑅̅ 𝜎̂ Estimador de la desviación estándar poblacional
𝜎̂ =
𝑑2 𝑅̅ Promedio de los rangos de cada muestreo
𝑑2 Valor que depende del tamaño de muestra 𝑛

a También conocido como Límite de Especificación Superior (LES).

b También conocido como Límite de Especificación Inferior(LEI).
 Dr, Freddy S. Navarro Pineda
3. Planes de muestreo
Ecuación Variable Nombre de la variable
Plan de muestreo simple

𝑐
𝑛 𝛼 Riesgo del productor
𝛼 = 1 − ∑ ( ) 𝑝0 𝑘 (1 − 𝑝0 )𝑛−𝑘
𝑘 𝛽 Riesgo del consumidor
𝑘=0
𝑝0 Tasa aceptable de artículos defectuososa
𝑐
𝑛 𝑝1 Tasa inaceptable de artículos defectuososb
𝛽 = ∑ ( ) 𝑝1 𝑘 (1 − 𝑝1 )𝑛−𝑘
𝑘 𝑛 Tamaño de la muestra a inspeccionar
𝑘=0
𝑐 Máximo número de defectos aceptables
𝑐
𝑛 𝑂𝐶(𝑝) Probabilidad de aceptación en función de 𝑝
𝑂𝐶(𝑝) = ∑ ( ) 𝑝𝑘 (1 − 𝑝)𝑛−𝑘
𝑘 𝑝 Proporción de productos defectuosos en el lote
𝑘=0

Muestreo secuencial

𝐿1 = −ℎ1 + 𝑠𝑛
𝐿1 Límite de aceptación - inspección
𝐿2 = ℎ2 + 𝑠𝑛
𝐿2 Límite de inspección - aceptación
1−𝛼 ℎ1 Constante de aceptación - inspección
log ( )
𝛽
ℎ1 =
𝑝 (1 − 𝑝0 ) ℎ2 Constante de inspección - aceptación
log ( 1 )
𝑝0 (1 − 𝑝1 )
𝑠 Pendiente de muestreo secuencial
1−𝛽
log (
) 𝑛 Número de artículos muestreados
𝛼
ℎ2 =
𝑝 (1 − 𝑝0 ) 𝑝0 Tasa aceptable de artículos defectuosos
log ( 1 )
𝑝0 (1 − 𝑝1 )
𝑝1 Tasa inaceptable de artículos defectuosos
1 − 𝑝0
log ( ) 𝛼 Riesgo del productor
1 − 𝑝1
𝑠= 𝛽 Riesgo del consumidor
𝑝 (1 − 𝑝0 )
log ( 1 )
𝑝0 (1 − 𝑝1 )
a También conocido como Nivel aceptable de calidad (AQL).
b Tolerancia del lote al porcentaje de artículos defectuosos (LTPD).