Tecnológicos de México

Instituto Tecnológico de Zacatecas

Unidad 2 Graficas de control para Variables

Javier Antonio Hernández Urista

17450634

Julio 16 del 2020

Zacatecas, Zac

Adolfo Ruiz Peña

 Contenido

1. INTRODUCCIÓN...........................................................................................................................................................2
2. GRÁFICAS DE CONTROL PARA VARIABLES......................................................................................................3
2.1. CONCEPTOS GENERALES Y PRINCIPIOS DEL CEP........................................................................................3
2.2. ELABORACIÓN E INTERPRETACIÓN DE GRÁFICAS PARA VARIABLES..................................................4
2.2.1. Grafico x -R....................................................................................................................................................7
2.2.2. Gráfico X-S.....................................................................................................................................................15
2.2.3. Grafico X de individuales...............................................................................................................................17
2.3. CAPACIDAD DE PROCESO, CP, CPK, Y CPM..........................................................................................................................................19
3. REFERENCIAS BIBLIOGRÁFICAS........................................................................................................................22
4. APÉNDICES Y ANEXOS.............................................................................................................................................23

Lista de tablas y figuras

Figura 1. Gráfica de medias........................................................................................................2

Figura 2. Identificación de las zonas de la gráfica......................................................................5
Figura 3. Gráfica de la media para dimensión del orificio del vástago de la cerradura...........10
Figura 4. Gráfica del rango para dimensión del orificio del vástago de la cerradura...............11
Figura 5. Gráfica S para la dimensión del orificio del vástago de una cerradura.....................16
Figura 6. Gráfico de control para mediciones individuales de viscosidad................................18
Figura 7. Grafico de rangos móviles para viscosidad...............................................................19

Tabla 1. Dimensión para el orificio del vástago de la cerradura................................................9

Tabla 2. Desviación estándar para el orificio del vástago de la cerradura...............................16
Tabla 3. Viscosidad de la pintura Tapa poro para aviones......................................................18
Tabla 4. Índices de Capacidad.................................................................................................20
Tabla 5. Valores del Cp y su interpretación...............................................................................21
Tabla 6. Límites para las Gráficas de Control por Variables....................................................23
Tabla 7. Factores para las gráficas de control por variables....................................................24

i
1. INTRODUCCIÓN

Esta asignatura aporta al perfil del Ingeniero Industrial la capacidad de analizar y

determinar causas de problemas de Calidad y mediante la aplicación de las
herramientas estadísticas básicas del control de Calidad, llevar a cabo una toma
de decisiones oportuna y asertiva para lograr la mejora continua tanto en las
organizaciones como en sus procesos.
La segunda unidad aborda el tema de Gráficos de control de variables como de
atributos, haciendo un énfasis especial en el diagnóstico de la capacidad de
proceso, que mediante la información obtenida para un gráfico de control es
posible elaborar, así mismo se identifica una amplia relación con competencias
adquiridas con anterioridad como son la teoría de la estimación y las pruebas de
hipótesis para dar soporte y fiabilidad al gráfico de control a través de la Curva
Característica operativa, todo lo anterior en conjunto con las herramientas
abordadas en la primera unidad servirán al profesionista para identificar y dar
solución a los problemas de la organización y para conseguir la mejora continua
en sus procesos.

Figura 1. Gráfica de medias

2
2. GRÁFICAS DE CONTROL PARA VARIABLES

2.1. Conceptos generales y principios del CEP

W. A. Shewhart, de los Laboratorios de la Bell Telephone, fue el primero en proponer, en

1924, una gráfica de control con el fin de eliminar una variación anormal, distinguiendo
las variaciones debidas a causas asignables de aquellas debidas a causas al azar.
Una gráfica de control consiste en una línea central, un par de límites de control, uno de
ellos colocado por encima de la línea central y otro por debajo, y en unos valores
característicos registrados en la gráfica que representan el estado del proceso. Si todos
los valores ocurren dentro de los límites de control, sin ninguna tendencia especial, sin
ninguna tendencia especial, se dice que el proceso está en estado controlado. Sin
embargo, si ocurren por fuera de los límites de control o muestran una forma peculiar, se
dice que el proceso está fuera de control.
La calidad de un producto manufacturado por medio de un proceso
inevitablemente sufrirá variaciones. Estas variaciones tienen causas y éstas
últimas pueden clasificarse en los siguientes dos tipos:
 Causas debidas al azar. Las variaciones debidas al azar son inevitables
en el proceso, aun si la operación se realiza usando materia prima y
métodos estandarizados. No es práctico eliminar el azar técnicamente y en
forma económica por el momento.
 Causas asignables. La variación debida a las causas asignables significa
que hay factores significativos que pueden ser investigados. Es evitable y
no se puede pasar por alto: hay casos causados por la no aplicación de
ciertos estándares o por la aplicación de estándares inapropiados.
Cuando los puntos se ubican por fuera de los límites de control o muestran una
tendencia particular, decimos que el proceso está fuera de control, y esto
equivale a decir, “Existe variación por causas asignables y el proceso está en un
estado de descontrol”. Para controlar un proceso se requiere poder predecir el
resultado dentro de un margen de variación debido al azar.
Para hacer una gráfica de control es necesario estimar la variación debida al azar.
Para esto se dividen los datos en subgrupos dentro de los cuales el lote de
materia prima, las máquinas, los operadores y otros factores son comunes, de
modo que la variación dentro del subgrupo puede considerarse aproximadamente
la misma que la variación por causas debidas al azar.
Hay varias clases de gráficas de control, dependiendo de su propósito y de las
características de la variable. En cualquier tipo de gráfica de control los límites de
control se calculan usando la siguiente fórmula:
LC  (valor promedio)  3  (desviación estándar)

donde la desviación estándar es la variación debida al azar. Este tipo de gráfica de

control se llama una gráfica de control de 3-sigma.
Tipos de gráficas de control
Hay dos tipos de de gráficas de control, una para los valores continuos o variables
y otra para valores discretos o atributos.
Las gráficas tipo Shewhart para variables continuas más usuales son:
 x (de medias)
 R (de rangos)
 S ( de desviaciones estándar)
 x (de medidas individuales)
Las gráficas de control por atributos son:
 p (proporción o fracción de artículos defectuosos)
 np (número de unidades defectuosas)
 c (número de defectos)
 u (número de defectos por unidad)
2.2. Elaboración e interpretación de gráficas para variables

Cuando se diseña una gráfica de control, es necesario especificar tanto el tamaño

de la muestra que debe usarse como la frecuencia del muestreo. En general
las muestras más grandes facilitarán la detección de corrimientos pequeños en el
proceso. Cuando se elige el tamaño de la muestra debe tenerse presente el
tamaño del cambio que está tratando de detectar. Si el cambio en el proceso es
relativamente grande, se usan tamaños de muestra más pequeños que los que se
habrían empleado si el cambio de interés fuera relativamente pequeño.
Debe determinarse también la frecuencia del muestreo. La situación más deseable
desde el punto de vista de la detección de corrimientos sería tomar muestras
grandes con mucha frecuencia; sin embargo, esto por lo general no es
económicamente factible. El problema general consiste en la asignación del
esfuerzo del muestreo. Es decir, se toman muestras pequeñas en intervalos
cortos o bien se toman muestras grandes en intervalos más largos. La práctica
actual en la industria tiende a favorecer las muestras más pequeñas y más
frecuentes, en particular en los procesos de manufactura de alto volumen, o donde
pueden ocurrir diversos tipos de causas asignables.
Si bien para decidir el tamaño de una muestra o subgrupo hay que echar mano de
ciertos conocimientos empíricos, las siguientes directrices serán muy útiles para
esa decisión:
1. Cuanto más aumente el tamaño del subgrupo más se aproximarán los
límites de control al valor central, lo que dará a la gráfica mayor sensibilidad
de las pequeñas variaciones en el promedio del proceso.
2. Cuanto más aumente el tamaño del subgrupo, más aumentará el costo de

4
 inspección por subgrupo. ¿El aumento en el costo que implica conformar
grupos mayores justifica el contar con mayor sensibilidad?
3. Cuando se apliquen pruebas que impliquen destrucción de elementos y
éstos sean costosos, el tamaño del subgrupo será de 2 o 3, ya que reducirá
a un mínimo la destrucción de tales elementos costosos.
4. En la industria se utilizan mucho las muestras constituidas por cinco
elementos, ya que así se facilita la tarea de cálculo; sin embargo, siempre
que los cálculos necesarios se puedan realizar sin mayor problema con
calculadoras de bolsillo el motivo anterior resultará invalidado.
5. Sustentado por evidencias estadísticas, se sabe que la distribución de los
promedios de los subgrupos, x , resultan casi normales para el caso de
subgrupos de cuatro o más elementos, incluso cuando las muestras se
obtienen de población que no es normal. Más adelante, en este mismo
capítulo, se presenta la prueba de la aseveración anterior.
6. En caso de que el tamaño del subgrupo sea mayor de 10 elementos, para
controlar la dispersión deberá utilizarse la gráfica S en vez de la gráfica R.
Para definir la frecuencia del muestreo también se puede utilizar la regla del
precontrol. En este caso se toma en cuenta con qué frecuencia se ajusta el
proceso. Si esto sucede cada hora, el muestreo deberá realizarse cada 10
minutos; si el proceso se ajusta cada dos horas, el muestro se efectúa cada 20
minutos; si el proceso se ajusta cada tres horas, el muestreo debe hacerse cada
30 minutos, y así sucesivamente.
Patrones de Comportamiento1
Para la identificación de patrones no aleatorios lo primero que se hace es dividir la
carta de control en seis zonas o bandas iguales, cada una con una amplitud
similar a una desviación estándar de la variable que se grafica (ver figura 2).

A
B
C
C
B
A
Figura 2. Identificación de las zonas de la gráfica

1
Gutiérrez Pulido Humberto, Calidad y Productividad Total, Editorial Mc Graw Hill, Cap. 11
Un cambio en el nivel del proceso ha ocurrido cuando se cumple una de las
siguientes cuatro pruebas
1) Un punto fuera de los límites de control
tres sigma A
B
2) Dos de tres puntos consecutivos se
C
localizan fuera de los límites de
advertencia de dos sigmas (zona A) C
3) Cuatro de cinco puntos consecutivos se B
localizan en una distancia de una sigma A
(zona B) o más de la línea central

4) Ocho puntos consecutivos se localizan en A

el mismo lado de la línea central B
C
C
B
A

Para determinar si hay una tendencia en el proceso se tiene la siguiente

prueba concreta:
5) Seis puntos consecutivos ascendentes (o A
descendentes)
B
C
C
B
A

Cuando el ciclo consiste en que los puntos se van alternando entre altos y
bajos, tenemos la siguiente prueba
6) Ciclos recurrentes (periodicidad) catorce A
puntos consecutivos alternando entre altos B
y bajos C
C
B
A

6
Una prueba para detectar la alta proporción de puntos cerca o fuera de los
límites es la siguiente

7) Ocho puntos consecutivos a ambos A

B
lados de la línea central con ninguno C
de ellos en la zona C C
B
A

Para detectar la falta de variabilidad se tiene la siguiente prueba

A
8) Quince puntos o más en la zona C,
B
arriba o abajo de la línea central C
C
B
A

2.2.1. Grafico x -R

Para configurar el par de gráficas de control correspondientes a la media y el

rango es recomendable utilizar un procedimiento bien definido. Los pasos que
deberán comprender son los siguientes:
1) Defina cuál será la característica de calidad.
2) Escoja el subgrupo racional.
3) Reúna los datos necesarios.
4) Calcule la línea central de ensayo y los límites de control.
5) Defina la línea central revisada y los límites de control
6) Logre el objetivo
Se supone que una característica de calidad tiene una distribución normal con
media µ y desviación estándar  , donde tanto µ como  son conocidas. Si x1, x2, .
. . . , xn es una muestra de tamaño n entonces el promedio de esta muestra es
n

x i xx x
x i1
 1 2 n
n n
y se sabe que sigue una distribución normal con media µ y desviación estándar
 x   n . Además, que la probabilidad de que cualquier media muestral se
/
localice   3 y   3 es de 99.73%.
entre x x

En la práctica, generalmente no se conocen los vales de µy . Por tanto, deben

estimarse a partir de muestras o subgrupos preliminares tomados cuando se
considera que el proceso está bajo control. En general, estas estimaciones
deberán basarse en al menos 20 o 25 muestras. Suponga que se cuenta con m
muestras, cada una de las cuales contiene n observaciones de la característica de
calidad. Generalmente, n será pequeña, ya sea 4, 5 o 6. Estos tamaños de la
muestra suelen resultar de la construcción de subgrupos racionales y del hecho de
que los costos de muestreo e inspección asociados con la medición de las
variables son relativamente altos. Sean x1 , x2 , , xm los promedios de cada
muestra. Entonces el mejor estimador de µ, el promedio del proceso, es la gran
media:
x  x2    xm
x 1 m
Por tanto x se usaría como la línea central en la gráfica x .
Para construir los límites de control, es necesaria una estimación de la desviación
estándar , que puede estimarse a partir de las desviaciones estándar o bien de
los rangos de las m muestras. Si x1, x2, . . . . , x n es una muestra de tamaño n,
entonces el rango de la muestra es la diferencia entre las observaciones mayor y
menor ( R  xmáx  xmín ). Sean R1, R2, . . . , Rm los rangos de las m muestras. El
rango promedio es
R  R2    Rm
R 1 m
Por tanto, si R es el rango promedio de las m muestras preliminares, puede
usarse ˆ R d2 para estimar . Entonces los parámetros de la gráfica x son
3
LCS  x  R
d
2
LC  x n
3
LCI  x  R
d
2
3 n
Si se define A2 
d
2
n para la gráfica de la media serían:
Entonces los parámetros
LCS  x  A2 R
LC  x

LCI  x  A2 R
De manera análoga obtenemos los límites de la gráfica del Rango
LCS  D4 R
LC  R
LCI  D3 R

8
Ejemplo 2.1 Debido a lo difícil que resulta montar un cubo de transmisión a un
vástago utilizando una llave y el ojo de la cerradura, el equipo del proyecto
recomendó el uso de una gráfica X  R . La característica de calidad es una
dimensión para el orificio del vástago de la cerradura con especificaciones de
0.5030  0.0010 pulgadas. Para facilitar el registro cada medición se codifica
tomando como base 0.5000 pulgadas. Por ejemplo, la primera medición de 0.5033
se registra como 33. (ver Tabla 1)
a) Obtenga una carta x e interprétela.
b) Mediante una carta R investigue si el proceso estuvo en control estadístico
en cuanto a la variabilidad.
c) Analice la capacidad del proceso. Para ello:
e.1 calcule los índices Cp, Cpk y Cpm, e interprételos, y
e.2 obtenga los límites naturales del proceso y compárelos con las
especificaciones.
d) Para continuar con el uso de la carta de control ¿qué límites de control
propondría?
Tabla 1. Dimensión para el orificio del vástago de la cerradura
N° de Mediciones
Subgru x x x3 x x5 Medi Rang
po 1 2 4 as os
1 3 2 31 3 33 31.6 4
3 9 2
2 3 3 35 3 31 33.4 6
3 1 7
3 3 3 33 3 36 35.0 4
5 7 4
4 3 3 33 3 33 32.2 4
0 1 4
5 3 3 35 3 34 33.8 2
3 4 3
6 3 3 39 4 38 38.4 3
8 7 0
7 3 3 32 3 31 31.6 4
0 1 4
8 2 3 38 3 39 36.8 10
9 9 9
9 2 3 35 3 43 35.0 15
8 3 6
10 3 3 32 3 32 34.0 6
8 3 5
11 2 3 28 3 31 29.8 4
8 0 2
12 3 3 35 3 34 34.0 4
1 5 5
13 2 3 34 3 37 33.0 10
7 2 5
14 3 3 35 3 36 34.8 4
9
 3 3 7
15 3 3 32 3 39 35.6 7
5 7 5
16 3 3 27 3 30 30.8 6
3 3 1
17 3 3 34 3 32 33.0 5
5 4 0
18 3 3 30 3 33 31.6 3
2 3 0
19 2 2 34 2 28 28.2 9
5 7 7
20 3 3 36 3 30 33.8 6
5 5 3
Suma 666. 116
4

Solución

1
0
 a) Obtenga una carta x e interprétela.
Las líneas centrales son:
x1  x2    xm 31.6  33.4  35.0    33.8 666.4
x m  20  20  33.32

R1  R2    Rm 4  6  4    6 116  5.8
R  
m 20 20
En la tabla 2.10 se encuentran los valores de los factores correspondientes a
subgrupos de tamaño cinco (n = 5): A2 = 0.577, D3 = 0 y D4 =2.115. Los
límites de control para la gráfica x :

LCSx  x  A2 R  33.32  (0.577 )(5.8)  36.6666

LC x  x  33.32
LCIx  x  A2 R  33.32  (0.577 )(5.8)  29.9734

La gráfica de la media se muestra en la figura 2

Gráfico X-bar para

40 Dimensión
39
38
37
UCL = 36.66
36 A
B
X-bar

35
34
C CTR = 33.32
33
32
C
31
B
30
A LCL = 29.97
29
28
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Subgrupo
Figura 3. Gráfica de la media para dimensión del orificio del vástago de la cerradura

Interpretación de la gráfica:
P1 (Puntos fuera de los límites): 6, 8, 11 y 19
P2 (Dos de tres puntos consecutivos se localizan fuera de los límites de
advertencia de dos sigmas (zona A) o más alejados): 8
P3 (Cuatro de cinco puntos consecutivos se localizan en una distancia de una
sigma (zona B) o más de la línea central): NA
P4 (Ocho puntos consecutivos se localizan en el mismo lado de la línea
 central): NA
P5 (Seis puntos consecutivos ascendentes (o descendentes)): NA
P6 (Ciclos recurrentes, catorce puntos consecutivos alternando entre altos y
bajos) NA
P7 (Ocho puntos consecutivos a ambos lados de la línea central con ninguno
de ellos en la zona C) NA
P8 (Quince puntos o más en la zona C, arriba o abajo de la línea central) NA
El cumplimiento de las pruebas uno y dos indican que el proceso se encuentra
fuera de control estadístico y que es necesario encontrar las causas
asignables y eliminarlas.
a) Mediante una carta R investigue si el proceso estuvo en control estadístico
en cuanto a la variabilidad.
Los límites de la gráfica R son:
LCS  D4 R  2.115(5.8)  12.267
LC  R  5.8

LCI  D3 R  0(5.8)  0
La gráfica del rango se muestra en la figura 3

Figura 4. Gráfica del rango para dimensión del orificio del vástago de la cerradura
Interpretación de la gráfica:

P1 (Puntos fuera de los límites): 9

P2 (Dos de tres puntos consecutivos se localizan fuera de los límites de
advertencia de dos sigmas (zona A) o más alejados): NA

1
1
P3 (Cuatro de cinco puntos consecutivos se localizan en una distancia de una
sigma (zona B) o más de la línea central): NA
P4 (Ocho puntos consecutivos se localizan en el mismo lado de la línea
central): NA
P5 (Seis puntos consecutivos ascendentes (o descendentes)): NA
P6 (Ciclos recurrentes, catorce puntos consecutivos alternando entre altos y
bajos) NA
P7 (Ocho puntos consecutivos a ambos lados de la línea central con ninguno
de ellos en la zona C) NA
P8 (Quince puntos o más en la zona C, arriba o abajo de la línea central) NA

El cumplimiento de la prueba uno indica que el proceso se encuentra fuera de

control estadístico y que es necesario encontrar la causa asignable y
eliminarla.

b) Analice la capacidad del proceso. Para ello:

c.1 calcule los índices Cp, Cpk y Cpm, e interprételos
Considerando las especificaciones de 0.5030  0.0010 pulgadas para los
datos codificados con base en 0.5000 pulgadas se tienen las especificaciones
codificadas como: 30  10, entonces ES = 30 + 10 = 40, EI = 30 – 10 = 20, N =
30 y la estimación de la desviación estándar es ˆ R d2 , con d2 = 2.326, de

la tabla 2.10 para n = 5. Entonces ˆ  5.8
 y los índices son:
2.32 2.4936
6

Cp 
ES  EI 40  20
6  6(2.4936)  1.3368

ES  40  33.32
Mínimo: C pk   3(2.4936)  0.8930

3

Cpk    EI  33.32  20  1.7806

3 3(2.4936)

Por lo tanto el Cpk = 0.8930, ya que la media del proceso tiene un valor mayor
que el valor nominal.
 C pm 
ES  EI 40  20
  0.8028
6  2  ( 6 (2.49362 
 N )2 (33.32  30)2 )
La diferencia entre Cp y Cpk es un indicio de que la distribución no está bien
centrada con los límites de especificación. El Cpk = 0.8930 actual no es
adecuado. Un análisis del proceso es necesario ya requiere de modificaciones
serias para logar alcanzar su índice de capacidad potencial que es Cp =
1.3368 que es adecuado.
c.2 obtenga los límites naturales del proceso y compárelos con las
especificaciones.
Los límites naturales son:

LI = 33.32 – 3(2.4936) =25.8392 y LS =33.32 + 3(2.49.36) = 40.8008

Los límites de especificación son EI = 20 y ES = 40, por lo que si se centrara el

proceso con respecto a las especificaciones se tendría un proceso de
categoría 1.
c) Para continuar con el uso de la carta de control ¿qué límites de control
propondría?
Para decidir que límites de control se usarán para analizar los datos futuros,
primero se analiza la gráfica de R para ver si es estable. Dado que el punto 9
está fuera de los límites éste subgrupo tiene una causa asignable, que se debe
eliminar y se le excluye de los datos.
Ahora se analiza la gráfica x , los subgrupos 6, 8, 11 y 19 tienen una causa
asignable, y no forman parte de la variación natural y se excluyen. Los cálculos
de los nuevos valores de x y R se obtienen con las siguientes fórmulas:

xnueva

 x Rnuev

 mR  m R d
xd
mm o
d y d

Donde  x  suma de las medias de subgrupos excluidos

d

 R  suma de los rangos de los subgrupos excluidos

d

md = cantidad de subgrupos excluidos

x 
 x 666.4  (38.4  36.8  35.0  29.8  28.2) 533.2

33.2133  
xd
nueva
m 20  5 16
md

Rnuevo   R  
116  (3  10  15  4  9)
Rd  20  5 5
m  md
Por lo tanto los límites para usar a futuro para la gráfica de las medias son:
 LCSx  x  A2 R  33.32133  (0.577 )(5.0)  36.2071
LC x  x  33.2133
LCIx  x  A2 R  33.2133  (0.577 )(5.0)  30.4371

y los correspondientes límites para la gráfica R son

LCS  D4 R  2.115(5.0)  10.575

LC  R  5.0

LCI  D3 R  0(5.0)  0.0

2.2.2. Gráfico X-S
Aun cuando es muy común la utilización de las cartas x  R , en ocasiones es
deseable estimar la desviación estándar del proceso directamente en vez de
indirectamente mediante el uso del rango R. Esto lleva a las gráficas de control
para x  S , donde S es la desviación estándar muestral. En general, las cartas
x y S son preferibles a sus contrapartes más familiares, las x  R , cuando
cartas
1. El tamaño de la muestra n es moderadamente grande —por ejemplo, n
>10 o 12. (Recuérdese que el método del rango para estimar o pierde
eficiencia estadística para muestras de moderadas a grandes.)
2. El tamaño de la muestra n es variable.

Construcción y operación de las cartas x  S

Establecer y operar cartas de control x y S requiere aproximadamente la misma
secuencia de pasos que para las cartas x  R , excepto porque debe calcularse el
promedio muestral x y la desviación estándar muestral S de cada muestra.
Ejemplo 2.2 En la tabla 2.3 tomada de la tabla 2.2 para el ejemplo 2.1 se
presentan las mediciones de la ddimensión para el orificio del vástago de la
cerradura usados en el ejemplo 2.1. Obsérvese que se ha calculado el promedio
muestral y la desviación estándar muestral de cada una de las 20 muestras. Se
usarán estos datos para ilustrar la construcción y operación de la gráfica S, ya que
la gráfica de la media sería la misma del ejemplo 2.1.
La línea central de la gráfica S estará dada por la desviación estándar promedio

S
S i
46.9016
  2.3451
m 20
Los límites de la gráfica S son:

LCS  B4 S
LC  S
1
4
 LCI  B3 S
Donde B3 = 0 y B4 = 2.089 se obtiene de la tabla 2.10 para el tamaño del
subgrupo n = 5, sustituyendo se obtienen

LCS  B4 S  2.089(2.3451)  4.8989

LC  S  2.3451

LCI  B3 S  0(2.3451)  0

En la figura 2.5 se presenta la grafica S

1
5
Tabla 2. Desviación estándar para el orificio del vástago de la cerradura
N° de Mediciones Desviacion
es
Subgrupo x1 x2 x3 x4 x Medi estánd
5 as ar
1 3 2 31 3 3 31.6 1.673
3 9 2 3 3
2 3 3 35 3 3 33.4 2.607
3 1 7 1 7
3 3 3 33 3 3 35.0 1.581
5 7 4 6 1
4 3 3 33 3 3 32.2 1.643
0 1 4 3 2
5 3 3 35 3 3 33.8 0.836
3 4 3 4 7
6 3 3 39 4 3 38.4 1.140
8 7 0 8 2
7 3 3 32 3 3 31.6 1.516
0 1 4 1 6
8 2 3 38 3 3 36.8 4.381
9 9 9 9 8
9 2 3 35 3 4 35.0 5.431
8 3 6 3 4
1 3 3 32 3 3 34.0 2.549
0 8 3 5 2 5
1 2 3 28 3 3 29.8 1.788
1 8 0 2 1 9
1 3 3 35 3 3 34.0 1.732
2 1 5 5 4 1
1 2 3 34 3 3 33.0 3.807
3 7 2 5 7 9
1 3 3 35 3 3 34.8 1.788
4 3 3 7 6 9
1 3 3 32 3 3 35.6 2.607
5 5 7 5 9 7
1 3 3 27 3 3 30.8 2.490
6 3 3 1 0 0
1 3 3 34 3 3 33.0 2.000
7 5 4 0 2 0
1 3 3 30 3 3 31.6 1.516
8 2 3 0 3 6
1 2 2 34 2 2 28.2 3.420
9 5 7 7 8 5
2 3 3 36 3 3 33.8 2.387
0 5 5 3 0 5
Suma 666. 46.90
4 16

1
6
 Gráfico S para Dimensión
6
5.5
5
UCL = 4.8991
4.5 A
4
3.5 B
3
S

2.5
C CTR = 2.3451
2
1.5
C
1 B
0.5
0
A LCL = 0.0000

0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

Subgrupo
Figura 5. Gráfica S para la dimensión del orificio del vástago de una cerradura

1
7
 2.2.3. Grafico X de individuales
En muchas situaciones, el tamaño de la muestra usado para monitorear el proceso
es n = 1; es decir, la muestra consta de una unidad individual. Algunos ejemplos
de estas situaciones son:
1. Se usa la tecnología de inspección y medición automatizada, y se analiza
cada unidad manufacturada, por lo que no hay ninguna base racional para
hacer subgrupos.
2. La velocidad de producción es muy lenta, y no es conveniente dejar que se
acumulen tamaños de la muestra de n > 1 antes del análisis. El largo
intervalo entre las observaciones ocasionará problemas con la formación de
los subgrupos racionales.
3. Las mediciones repetidas del proceso difieren únicamente por el error de
laboratorio o de análisis, como en muchos procesos químicos.
4. Se hacen mediciones múltiples en la misma unidad del producto, como la
medición del espesor de óxido en varios sitios diferentes de una oblea en la
manufactura de semiconductores.
5. En las plantas de procesamiento, como en una fábrica de papel, las
mediciones de algún parámetro, tal como el espesor del recubrimiento a lo
ancho de un rollo, diferirán muy poco y producirán una desviación estándar
que será demasiado pequeña si el objetivo es controlar el espesor del
recubrimiento a lo largo del rollo.
En estas situaciones, la carta de control para mediciones individuales es útil. En
muchas aplicaciones de la carta de control para unidades individuales se usa el
rango móvil de dos observaciones sucesivas como base para estimar la
variabilidad del proceso. El rango móvil se define RMi  xi  xi 1 .
como
También es posible establecer una carta de control para el rango móvil. El
procedimiento se ilustra en el ejemplo siguiente.
Ejemplo 2.3 La viscosidad de una pintura tapa poro para aviones es una
característica de la calidad importante. El producto se produce por lotes, y debido
a que la producción de cada lote se lleva varias horas, la velocidad de producción
es demasiado lenta para permitir tamaños de la muestra mayores que uno. En la
tabla 2.4 se muestra la viscosidad de los 15 lotes anteriores.
Para establecer el gráfico de control de las observaciones individuales, obsérvese
que el promedio muestral de las 15 lecturas de la viscosidad es x  y que el
33.52
promedio de los rangos móviles de dos observaciones es RM  0.48 . Para
establecer la carta del rango móvil, se observa que D3 = 0 y D4 = 3.267 para n = 2.
Por lo tanto, la carta del rango móvil tiene línea central RM  0.48 , LCI = 0 y LCS
= D4 RM = (3.267)0.48 = 1.57. En la figura 2.6 a se muestra la carta de control.
Puesto que ninguno de los puntos excede el límite de control superior, puede
1
7
establecerse ahora la gráfica de control para las mediciones individuales de la
viscosidad.

1
8
 Tabla 3. Viscosidad de la pintura Tapa poro para aviones
Número de Viscosidad Rango
tanda (x) móvil
RM
1 33.75
2 33.05 0.70
3 34 .00 0.95
4 33.81 0.19
5 33.46 0.35
6 34.02 0.56
7 33.68 0.34
8 33.27 0.41
9 33.49 0.22
10 33.20 0.29
11 33.62 0.42
12 33.00 0.62
13 33.54 0.54
14 33.12 0.42
15 33.84 0.72
x  33.52 RM = 0.48

Si se usa un rango móvil de n = 2 observaciones, entonces d2 = 1.128 y los

parámetros para la gráfica de las mediciones individuales son:
RM  
LCS  x  3  33.52  3 0.4   34.80
8
d2  1.128 
LC  x  33.52
RM  0.4 
LCI  x  3  33.52   32.24
3 8 
d2  1.128 
En la figura 2.6 b) se muestra la gráfica de control para las mediciones individuales
de la viscosidad de los lotes. No hay indicios de una condición fuera de control.

Figura 6. Gráfico de control para mediciones individuales de viscosidad

Gráfico X para Viscosidad
35
UCL = 34.8018
34.5 A

34
B
C
CTR = 33.5233
X

33.5
C
33
B
32.5
A LCL = 32.2448

32

0 1 2 3 4 5 6 8 9 10 11 12 13 14 15
7
 N° de tanda
b)
Gráfico MR(2) para
1.6
Viscosidad
1.5
UCL = 1.5713
1.4
1.3
A
1.2
1.1
1 B
MR(2)

0.9
0.8
0.7
0.6 C
0.5 CTR = 0.4807
0.4
0.3 C
0.2
0.1
0 B LCL = 0.0000
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

N° de tanda
a)
Figura 7. Grafico de rangos móviles para viscosidad

Si se usa un rango móvil de n = 2 observaciones, entonces d2 = 1.128 y los

parámetros para la gráfica de las mediciones individuales son:
RM  
LCS  x  3  33.52  3 0.4   34.80
8
d2  1.128 
LC  x  33.52
RM  0.4 
LCI  x  3  33.52   32.24
3 8 
d2  1.128 

En la figura 2.6 b) se muestra la gráfica de control para las mediciones individuales

de la viscosidad de los lotes. No hay indicios de una condición fuera de control.

2.3. Capacidad de proceso, Cp, Cpk, y Cpm

La capacidad real de un proceso no se puede calcular sino hasta que las gráficas
x  R han logrado obtener la mejora óptima de la calidad sin necesidad de hacer
una considerable inversión en equipo nuevo o en adaptación de éste. La
capacidad del proceso es igual a 6 cuando el proceso se encuentra bajo control
estadístico.
La capacidad del proceso se puede obtener mediante el rango. Si se supone que
existe un control estadístico del proceso, el procedimiento es como sigue:
1) Tomar 20 o 25 subgrupos de tamaño 4 o 5 haciendo un total de 80 o
100 mediciones.
2) Calcular el rango, R de cada subgrupo.
 R
3) Calcular el rango promedio, R 
m
4) Calcular el valor estimado de la desviación estándar de la población
R
ˆ 
d2
donded2 se obtiene de la tabla 2.3 para el tamaño del subgrupo, n.
5) La capacidad del proceso será igual a 6 .

Tabla 4. Índices
de Capacidad
índi Concep Fórmula
ce to
Relación de capacidad que representa la proporción de
Cr la banda de especificaciones que es utilizada por la 6
C r  ES  EI
máquina

índice de la capacidad potencial de la máquina cuando ES  EI

Cp Cp 
hay límites superior e inferior en las especificaciones 6

ES  
C pk 
3
Cpk índice de la capacidad real de la ó
máquina (el valor más pequeño)
  EI
C pk 
3

Cps
índice de la capacidad potencial de la máquina para ES  
características de calidad “entre más pequeña es C ps 
3
mejor”

Cpi
índice de la capacidad potencial de la máquina para   EI
características de calidad “entre más grande es C pi 
3
mejor”
ES  EI
Cpm índice de Taguchi C pm 
6   (  N )
2
2
 Tabla 5. Valores del Cp y su interpretación
Valor del Clase
Cp de Decisió
proces n
o
Clas
Cp ≥ 2 Se tiene calidad Seis Sigma
e
mundi
al
C p  1.33 1 Adecuado

1  Cp  2 Parcialmente adecuado. Requiere de un control estricto.

1.33
0.67  Cp  No adecuado. Un análisis del proceso es
3
necesario. Requiere de modificaciones serias.
1
Cp  0.67 4 No adecuada. Requiere de modificaciones muy serias.
3. REFERENCIAS BIBLIOGRÁFICAS
Básica

1. Arrona Hernández, Felipe de J.;“Calidad, El Secreto de la Productividad”

Editora Técnica, México.

2. Evans, James R., Lindsay William; “Administración y Control de la Calidad”

Thompson Editores, International, México, 2000

3. Gutiérrez Pulido Humberto y De la Vara Salazar Román; Control Estadístico de

Calidad y Seis Sigma, Mc Graw Hill, Primera Edición, México 2004.

4. Gutiérrez Pulido Humberto, Control Total y Productividad, Segunda Edición,

Mc Graw Hill, México, 2005.

Complementaria

5. L. Grant y Leaven Worth, Control estadístico de calidad, Ed. C.E.C.S.A.

6. Montgomery Douglas, Control estadístico de calidad, Tercera Edición, Limusa-

Wiley; México, 2004.

Direcciones de Internet recomendadas

American SocietyforQuality: www.asq.org/

Juran Institute: www.juran.com/

4. APÉNDICES Y ANEXOS
Tabla 6. Límites para las Gráficas de Control por Variables
Gráfica Límites
LCS  x  A2
Media, X R LC  x
LCI  x  A2 R
LCS  D4 R
Rango, R
LC  R
LCI  D3 R
LCS 
Desviación Estándar, S B4 S LC
S
LCI  B3 S
RM
LCS  x  3
d2
Mediciones Individuales, x
LC  x
RM
LCI  x  3
d2
p(1  p)
LCS  p  3
n
Fracción Defectuosa, p
LC  p
p(1  p)
LCI  p  3
n
LCS  n p  3 n p(1  p)
Nº de defectuosos, n p LC  n p
LCI  n p  3 n p(1  p)

LCS  c  3 c
Nº de defectos, c
LC  c
LCI  c  3 c
u
LCS  u  3
n
N° de defectos por unidad, LC  u
u u
LCI  u  3
n
 Tabla 7. Factores para las gráficas de control por variables
Diagrama para medias Diagrama para desviaciones estándar Diagrama para rangos
Número de Factores para los Factores para Factores para los límites de Factores
Factores para los límites de control
obser- límites de control la línea control para
vaciones en central la línea
la
A A1 A2 c2 1/c2 B1 B2 B3 B4 d2 1/d2 d3 D1 D2 D3 D4
2 2.1 3.7 1.8 0.56 1.77 0 1.8 0 3.2 1.1 0.88 0.8 0 3.6 0 3.2
21 60 80 42 25 43 67 28 65 53 86 67
3 1.7 2.3 1.0 0.72 1.38 0 1.8 0 2.5 1.6 0.59 0.8 0 4.3 0 2.5
32 94 23 36 20 58 68 93 07 88 58 75
4 1.5 1.8 0.7 0.79 1.25 0 1.8 0 2.2 2.0 0.48 0.8 0 4.6 0 2.2
00 80 29 79 33 08 66 59 57 80 98 82
5 1.3 1.5 0.5 0.84 1.18 0 1.7 0 2.0 2.3 0.42 0.8 0 4.9 0 2.1
42 96 77 07 94 56 89 26 99 64 18 15
6 1.2 1.4 0.4 0.86 1.15 0.0 1.7 0.0 1.9 2.5 0.39 0.8 0 5.0 0 2.0
25 10 83 86 12 26 11 30 70 34 46 48 78 04
7 1.1 1.2 0.4 0.88 1.12 0.1 1.6 0.1 1.8 2.7 0.36 0.8 0.2 5.2 0.0 1.9
34 77 19 82 59 05 72 18 82 04 98 33 05 03 76 24
8 1.0 1.1 0.3 0.90 1.10 0.1 1.6 0.1 1.8 2.8 0.35 0.8 0.3 5.3 0.1 1.8
61 75 73 27 78 67 38 85 15 47 12 20 87 07 36 64
9 1.0 1.0 0.3 0.91 1.09 0.2 1.6 0.2 1.7 2.9 0.33 0.8 0.5 5.3 0.1 1.8
00 94 37 39 42 19 09 39 61 70 67 08 46 94 84 16
1 0.9 1.0 0.3 0.92 1.08 0.2 1.5 0.2 1.7 3.0 0.32 0.7 0.6 5.4 0.2 1.7
0 49 28 08 27 37 62 84 84 16 78 49 97 87 69 23 77
1 0.9 0.9 0.2 0.93 1.07 0.2 1.5 0.3 1.6 3.1 0.31 0.7 0.8 5.5 0.2 1.7
1 05 73 85 00 53 99 61 21 79 73 52 87 12 34 56 44
1 0.8 0.9 0.2 0.93 1.06 0.3 1.5 0.3 1.6 3.2 0.30 0.7 0.9 5.5 0.2 1.7
2 66 25 66 59 84 31 41 54 46 58 69 78 24 92 84 16
1 0.8 0.8 0.2 0.94 1. 0.3 1.5 0.3 1.6 3.3 0.29 0.7 1.0 5.6 0.3 1.6
3 32 84 49 10 0627 59 23 82 18 36 98 70 26 46 08 92
1 0.8 0.8 0.2 0.94 1.05 0.3 1.5 0.4 1.5 3.4 0.29 0.7 1.1 5.6 0.3 1.6
4 02 48 35 53 79 84 07 06 94 07 35 62 21 93 29 71
1 0.7 0.8 0.2 0.94 1.05 0.4 1.4 0.4 1.5 3.4 0.28 0.7 1.2 5.7 0.3 1.6
5 75 16 23 90 37 06 92 28 72 72 80 55 07 37 48 52

2
4
1 0.7 0.7 0.2 0.95 1.05 0.4 1.4 0.4 1.5 3.5 0.28 0.7 1.2 5.7 0.3 1.6
6 50 88 12 23 01 27 78 48 52 32 31 49 85 79 64 36
1 0.7 0.7 0.2 0.95 1.04 0.4 1.4 0.4 1.5 3.5 0.27 0.7 1.3 5.8 0.3 1.6
7 28 62 03 51 70 45 65 66 34 88 87 43 59 17 79 21
1 0.7 0.7 0.1 0.95 1.04 0.4 1.4 0.4 1.5 3.6 0.27 0.7 1.4 5.8 0.3 1.6
8 07 38 94 76 42 61 54 82 18 40 47 38 26 54 92 08
1 0.6 0.7 0.1 0.95 1.04 0.4 1.4 0.4 1.5 3.6 0.27 0.7 1.4 5.8 0.4 1.5
9 88 17 87 99 18 77 43 97 03 89 11 33 90 88 04 96
2 0.6 0.6 0.1 0.96 1.03 0.4 1.4 0.5 1.4 3.7 0.26 0.7 1.5 5.9 0.1 1.5
0 71 97 80 19 96 91 33 10 90 35 77 29 48 22 44 86
2 0.6 0.6 0.1 0.96 1.03 0.5 1.4 0.5 1.4 3.7 0.26 0.7 1.6 5.9 0.4 1.5
1 55 79 73 38 76 04 24 23 77 78 47 24 06 50 25 75
2 0.6 0.6 0.1 0.96 1.03 0.5 1.4 0.5 1.4 3.8 0.26 0.7 1.6 5.9 0.4 1.5
2 40 62 67 55 58 16 15 34 66 19 18 20 59 79 34 66
2 0.6 0.6 0.1 0.96 1.03 0.5 1.4 0.5 1.4 3.8 0.25 0.7 1.7 6.0 0.4 1.5
3 26 47 62 70 42 27 07 45 55 58 92 16 10 06 43 57
2 0.6 0.6 0.1 0.96 1.03 0.5 1.3 0.5 1.4 3.8 0.25 0.7 1.7 6.0 0.4 1.5
4 12 32 57 84 27 38 99 55 45 95 67 12 59 31 52 48
2 0.6 0.6 0.1 0.96 1.03 0.5 1.3 0.5 1.4 3.9 0.25 0.7 1.8 6.0 0.4 1.5
5 00 19 53 96 13 48 92 65 35 31 44 09 04 58 59 41

2
5
 DIAGRAMA x  R (Especificaciones 0.5030 0.001
pulgadas )
1 2 3 4 5 6 7 8 9 10 1 12 13 1 15 1 1 18 1 20
1 4 6 7 9
X 3 3 3 3 3 3 3 2 2 3 2 3 2 3 3 3 3 3 2 35
1 3 3 5 0 3 8 0 9 8 8 8 1 7 3 5 3 5 2 5
X 2 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 2 35
2 9 1 7 1 4 7 1 9 3 3 0 5 2 3 7 3 4 3 7
X 3 3 3 3 3 3 3 3 3 3 2 3 3 3 3 2 3 3 3 36
3 1 5 3 3 5 9 2 8 5 2 8 5 4 5 2 7 4 0 4
X 3 3 3 3 3 4 3 3 3 3 3 3 3 3 3 3 3 3 2 33
4 2 7 4 4 3 0 4 9 6 5 2 5 5 7 5 1 0 0 7
X 3 3 3 3 3 3 3 3 4 3 3 3 3 3 3 3 3 3 2 30
5 3 1 6 3 4 8 1 9 3 2 1 4 7 6 9 0 2 3 8
SUMA 15 16 17 16 16 19 15 18 17 17 149 17 16 17 17 15 16 15 14 16
8 7 5 1 9 2 8 4 5 0 0 5 4 8 4 5 8 1 9
PROMEDIO x 31 33 35 32 33 38 31 36 35 34 29 34 33 34 35 30 33 31 28 33
.6 .4 .0 .2 .8 .4 .6 .8 .0 .0 .8 .0 .0 .8 .6 .8 .0 .6 .2 .8
RANGOR 4 6 4 4 2 3 4 1 1 6 4 4 1 4 7 6 5 3 9 6
0 5 0
A B C D E F G H I J K L M N O P Q R S T

LCS

LCI

L
C
S


R

L
C
I
 DIAGRAMA x  S (Especificaciones 0.5030 0.001
pulgadas )
1 2 3 4 5 6 7 8 9 10 1 12 13 1 15 1 1 18 1 20
1 4 6 7 9
X 3 3 3 3 3 3 3 2 2 3 2 3 2 3 3 3 3 3 2 35
1 3 3 5 0 3 8 0 9 8 8 8 1 7 3 5 3 5 2 5
X 2 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 2 35
2 9 1 7 1 4 7 1 9 3 3 0 5 2 3 7 3 4 3 7
X 3 3 3 3 3 3 3 3 3 3 2 3 3 3 3 2 3 3 3 36
3 1 5 3 3 5 9 2 8 5 2 8 5 4 5 2 7 4 0 4
X 3 3 3 3 3 4 3 3 3 3 3 3 3 3 3 3 3 3 2 33
4 2 7 4 4 3 0 4 9 6 5 2 5 5 7 5 1 0 0 7
X 3 3 3 3 3 3 3 3 4 3 3 3 3 3 3 3 3 3 2 30
5 3 1 6 3 4 8 1 9 3 2 1 4 7 6 9 0 2 3 8
SUMA 15 16 17 16 16 19 15 18 17 17 149 17 16 17 17 15 16 15 14 16
8 7 5 1 9 2 8 4 5 0 0 5 4 8 4 5 8 1 9
PROMEDIO x 31 33 35 32 33 38 31 36 35 34 29 34 33 34 35 30 33 31 28 33
.6 .4 .0 .2 .8 .4 .6 .8 .0 .0 .8 .0 .0 .8 .6 .8 .0 .6 .2 .8
Desv. Est. S
A B C D E F G H I J K L M N O P Q R S T

LCS

LCI

L
C
S


S
L
C
I
 Gráfico de individuales, x 
R,
1 2 3 4 5 6 7 8 9 1 11 1 13 1 1 16 17 18 1 20
0 2 4 5 9
MEDICIO X 102. 94 98 98 102 98 99 97 100 98 101 98. 101 98. 97. 96 100 101 97. 101
N 0 .8 .3 .4 .0 .5 .0 .7 .0 .1 .3 7 .1 4 0 .7 .3 .4 2 .0

RANGO 7. 3. 0. 3. 3. 0. 1. 2. 1. 3. 2. 2. 2. 1. 0. 3. 1. 4. 3.
R 2 5 1 6 5 5 3 3 9 2 6 4 7 4 3 6 1 2 8

A B C D E F G H I J K L M N O P Q R S T

L
C
S

LCI
LCS

R

LCI