PRÁCTICA N° 7

SEMINARIO DE GRÁFICOS DE CONTROL

PARA VARIABLES Y ATRIBUTOS

I. OBJETIVO
Revisar la metodología de elaboración de Gráficos de Control para el control de calidad de una variable o
atributo asociado a los procesos productivos en la industria alimentaria.

II. ASPECTOS TEÓRICOS

Definición
Los gráficos de control de definen como un “método gráfico para evaluar si un proceso está o no está en un
estado de control estadístico”. Es una comparación gráfica-tecnológica (c/hora, c/día) de las características
de la calidad reales del producto, parte u otra unidad, con límites que reflejan la capacidad de producir, de
acuerdo con la experiencia.

Los gráficos de control constituyen una herramienta estadística utilizada para evaluar la estabilidad de un
proceso y permite distinguir entre las causas de variación. Todo proceso productivo tiene variaciones,
pudiendo estas agruparse en:

• Causas aleatorias de variación. Son causas desconocidas y con poca significación, debidas al azar y
presentes en todo proceso. Las causas aleatorias son de difícil identificación y eliminación
• Causas específicas (imputables o asignables). Normalmente no deben estar presentes en el proceso.
Provocan variaciones significativas, deben ser descubiertas y eliminadas tras un correcto diagnostico
para alcanzar el objetivo de estabilizar el proceso.

En estadística, se dice que un proceso es estable (o está en control) cuando las únicas causas de variación
presentes son las de tipo aleatorio. Los gráficos de control se fundamentan en que la variación de una
característica de calidad puede cuantificarse obteniendo muestras de las salidas de un proceso y estimando
los parámetros de su distribución estadística. La representación de esos parámetros en un gráfico, en
función del tiempo, permitirá la comprobación de los cambios en la distribución y vigilar la estabilidad de un
proceso.

El gráfico cuenta con una línea central y con dos límites de control, uno superior LCS) y otro inferior (LCI),
que se establecen a ± 3 desviaciones típicas (sigma) de la media (la línea central). El espacio entre ambos
límites define la variación aleatoria del proceso. Los puntos que exceden estos límites indicarían la posible
presencia de causas específicas de variación.

Se agregan los límites de control a la gráfica como ayuda para decidir cuándo ajustar el proceso. Como se
indicó en el párrafo anterior, estos límites se basan en la variabilidad inherente del proceso y se establecen
en ± 3σ. Cabe indicar que, los límites de control no son los de la especificación (Valor Nominal y/o tolerancia
superior, tolerancia inferior: estos se establecen fuera del proceso.
 Figura 1. Partes de un gráfico de control.
(http://www.ceolevel.com/las-7-herramientas-basicas-de-la-calidad)

En función al tipo de característica de calidad (parámetro o característica), los gráficos de control pueden ser
para variables o atributos.

Gráfico de Control para Variables

Un gráfico de control para variables es un trazo estadístico que por lo general se calcula a partir de
subgrupos que muestran la conducta de una característica de calidad de un proceso con el transcurso del
tiempo. Estos pueden ser:
• Gráficos de Control para el Promedio ()
• Gráficos de Control para el Rango (R) y Rangos Variables (RV)
• Gráficos de Control para la Desviación Estándar (S)

Se usan las gráficas del  y R cuando es posible preparar subgrupos que tengan una dimensión de cinco o
menos. El gráfico del Promedio () vigila la variabilidad a largo plazo y el gráfico del rango (R) vigila la
variabilidad a corto plazo. Estos son los gráficos de control por variables que más se utilizan. El gráfico de la
desviación estándar (S) se emplea en vez del Rango (R) si el tamaño del grupo es de seis o más, o si su
dimensión es variable.

Gráfico de Control para Atributos

Un gráfico de control para atributos es un trazo de una estadística que por lo general también se calcula a
partir de subgrupos que muestran la conducta de una característica del proceso en función del tiempo. Los
gráficos de control para atributos pueden ser:

• Gráficos de Control para Defectuosos

o Número de defectuosos (np)
o Fracción de defectuosos (p)
o Porcentaje de defectuosos (np)
• Gráficos de Control para Defectos
o Número de defectuosos por muestra (c)
o Número de defectuosos por unidad de muestra (u)
o Número de defectuosos por 100 unidades de muestra (100u)
Utilidad de un diagrama de control
(Diego Betancourt, https://ingenioempresa.com/grafico-de-control/)

• Análisis de proceso: Puede que nunca se haya hecho un control estadístico de proceso. Un análisis
con gráfico de control donde se establecen los límites de control, permite analizar ese proceso y
determinar qué es lo normal en él, cuando algo no está bien, o si ha mejorado o empeorado a
través del tiempo. Un proceso analizado con esta herramienta, es un proceso controlado, que es
precisamente el segundo beneficio.

• Control de proceso: ¿Se conoce el comportamiento del proceso?. ¿Es estable?, ¿se mantiene? ¿qué
tan frecuente se sale de control? Esto te permite intervenir sobre el proceso para mejorarlo.

• Mejoramiento del proceso: No basta analizar y controlar un proceso. Es necesario mejorarlo. Se

identifican dónde se generaron las fallas y se tienen los datos de entrada para hacer análisis de
causas en aras de plantear soluciones a las fallas.

Interpretación de un gráfico de control

(Diego Betancourt, https://ingenioempresa.com/grafico-de-control/)

Existen comportamientos y patrones en los datos representados, que nos darán un indicio de que hay una
variabilidad no aleatoria que debe investigarse.

• Pista 1: Cuando hay solo un punto fuera de control. Es quizá la más pequeña de las probabilidades.
• Pista 2: Cuando hay dos de cada tres puntos sucesivos ubicados a un lado de la línea central y más
de dos desviaciones estándar (sigma) alejados de esta línea.
• Pista 3: Cuando hay 4 de cada 5 puntos sucesivos ubicados a un lado de la línea central y más de
una desviación estándar (sigma) alejados de esta línea.
• Pista 4: Cuando hay una serie de 8 puntos sucesivos ubicados a un lado de la línea central, sin
importar cuántas desviaciones estándar estén alejados de la línea central. Por ejemplo 8 de
cada 10 puntos, 12 de cada 14 puntos o 16 de cada 18 puntos.
• Pista 5: Cuando hay 6 puntos consecutivos ascendentes o descendientes.
• Pista 6: Cuando hay 14 o más puntos consecutivos cruzando la línea central de arriba a abajo, sin
que haya al menos 2 puntos sucesivos en un mismo lado.
• Pista 7: Cualquier patrón recurrente que estés observando, puede ser considerado algo inusual.

Otras consideraciones para evaluar los gráficos de control, en este caso para , son las que Padrón (2002)
resume la siguiente Figura 2.

Figura 2. Señales estadísticas que pueden indicar que el proceso se encuentra fuera de control.
Donde:
UCL siglas en ingles de LCS
CL siglas en ingles de LCC
LCL siglas en ingles de LCI
III. PROBLEMAS
3.1 GRÁFICO DE CONTROL PARA VARIABLES
Se desea conocer la variabilidad del proceso de llenado de fresas congeladas, a fin de determinar qué
porcentaje de los pesos se encuentran arriba del peso nominal de 100 gr. Para tal efecto se colectan 5
bolsas de fresas congeladas y se registran los pesos considerando la variabilidad en décimas de gramo.
Los datos son registrados en la siguiente tabla y la operación se repite 10 veces.

Registro de Pesos
Grupos
1 2 3 4 5 6 7 8 9 10
A 2 4 3 0 2 1 3 4 2 0
B 0 3 2 2 0 -2 4 6 4 2
C 4 4 4 -1 3 0 2 2 0 -2
D 1 0 2 2 1 2 1 3 2 3
E -2 3 2 -2 0 0 2 1 2 2
∑ 5 14 13 1 6 1 12 16 10 5
 1 2.8 2.6 0.2 1.2 0.2 2.4 3.2 2 1
R 6 4 2 4 3 4 3 5 4 5

=4
Promedio de  = 1.66
Se pide:
a. Calcular los límites de control para los gráficos  y R.
b. Construir los gráficos de control  y R.
c. Determinar el porcentaje de pesos por encima del valor nominal.
d. Calcular los nuevos límites de control si desea que solo un 10% de los pesos estén por debajo el
peso nominal.

Solución:

a. Cálculo de los límites de control para el  y R

Cálculo de los límites de control para el 

LC  =  ± A2 

El valor de A2 se encuentra en la Tabla 1 (Factores para determinar los límites de 3σ de los gráficos
de control por variables), conociendo el tamaño de la muestra n=5.

Entonces para n=5, tenemos A2 = 0.58

LC  =  ± A2 
LCS  = 1.66 + 0.58 (4) = 3.98
LCC  = 1.66
LCI  = 1.66 - 0.58 (4) = -0.66

Cálculo de los límites de control para el R

Las constantes D4 y D3 se hallan en la Tabla 1, conociendo el tamaño de la muestra que es n = 5.

LCS R = D4 
LCS R = 2.11(4) = 8.44
 LCC R = 
LCC R = 4
LCI R = D3 
LCI R = 0(4) = 0

b. Construcción de los gráficos de control para el  y R

Figura 3. Gráfico de Control para el Promedio

4.5
4
3.5
3
2.5 LCI
2
LCC
1.5
1 LCS
0.5 Promedio
0
-0.5
-1
1 2 3 4 5 6 7 8 9 10

Figura 4. Gráfico de Control para el Rango

9 Rango
8
LCI
7
LCC
6
LCS
5
4
3
2
1
0
1 2 3 4 5 6 7 8 9 10
c. Determinación del porcentaje de pesos por encima del valor nominal
Para ello se debe transformar el valor nominal (VN, dato del problema) a un número Z (de la
distribución Normal), tal que al encontrar las probabilidades superiores a este valor se establezca el
porcentaje de pesos sobre dicho valor nominal.


Z=

 = d2 σ’ → σ’ = /d2

Según la Tabla 1: para n=5 → d2 = 2.236 → σ’ = 1.79

El valor nominal del problema equivale a 100g, pero los datos se están analizando en décimas de
gramo. Entonces, es equivalente a “0” gramos. Sabemos que  = 1.66

Calculando Z:
 .
Z= = = -0.93
.

Calculando el porcentaje de pesos por encima del Valor Nominal:

Como el VN fue transformado a Z = -0.93, en la Tabla estadística Z, obtenemos el valor 0.1762. Pero
recordemos que la Tabla de Z nos da la probabilidad de obtener valores menores al dado. Entonces,
el porcentaje de pesos por encima del VN es de 82.38%.

d. Cálculo de los nuevos límites de control, si se desea que sólo el 10% de los pesos estén por debajo
del valor nominal o especificado
Para ello se debe buscar el número Z que dio origen a dicho 10%. Por lo tanto, al ingresar a la Tabla
Z se obtiene que, Z = -1.29.


Z= →  = VN – Z ′

 = 0 – (-1.29) (1.79)
 = 2.309

Los nuevos límites serán:

LC  =  ± A2 

LCS  = 2.309 + 0.58 (4) = 4.629

LCC  = 2.309
LCI  = 2.309 - 0.58 (4) = 0.011
3.2 GRÁFICO DE CONTROL PARA ATRIBUTOS
3.2.1 GRÁFICO DE CONTROL PARA DEFECTUOSOS
Una industria productora de dulces decide construir un gráfico de control de defectuosos de su
producto final y para lo cual se extraen durante los 20 días útiles del mes de julio una muestra
de 200 barras de chocolate, obteniendo los siguientes resultados:

Día 1 2 3 4 5 6 7 8 9 10
N° defectuosos 15 30 40 50 10 30 32 44 55 100
Día 11 12 13 14 15 16 17 18 19 20
N° defectuosos 20 35 10 20 25 18 10 11 15 16

Se solicita:
a. Determinar los límites de control expresado en número de defectuosos (np), fracción
defectuosa (p) y porcentaje de defectuosos (100p).
b. Construir los respectivos gráficos de control.

Solución:

a. Determinación de los límites de control expresado en número de defectuosos (np),

fracción defectuosa (p) y porcentaje de defectuosos (100p).

Fecha del mes Número Número de Fracción Porcentaje de

de Julio Inspeccionado Defectuosos Defectuosa Defectuosos
(n) (np) (p) (100p)
1 200 15 0.075 7.5
2 200 30 0.15 15
3 200 40 0.2 20
4 200 50 0.25 25
5 200 10 0.05 5
6 200 30 0.15 15
7 200 32 0.16 16
8 200 44 0.22 22
9 200 55 0.275 27.5
10 200 100 0.5 50
11 200 20 0.1 10
12 200 35 0.175 17.5
13 200 10 0.05 5
14 200 20 0.1 10
15 200 25 0.125 12.5
16 200 18 0.09 9
17 200 10 0.05 5
18 200 11 0.055 5.5
19 200 15 0.075 7.5
20 200 16 0.08 8
∑ 4000 586

Cálculo de  :
∑
 = = = 0.1465 → 100  = 14.65 → n  = 200(0.1465) = 29.3

Límites para el Número de Defectuosos (np):

LC = n  ± 3 ( − )
LCS =29.3 + 15 = 44.3
LCC = 29.3
LCI = 29.3 – 15 = 14.3
 Límites para la Fracción Defectuosa (p):
LC =  ± 3 ( − )/
LCS = 0.1465 + 0.075 = 0.2215
LCC = 0.1465
LCI = 0.1465 - 0.075 = 0.0715

Límites para el Porcentaje de Defectuosos (100p):

LC = 100  ± 3 ( − )/
LCS = 14.65 + 7.5 = 22.15
LCC = 14.65
LCI 14.65 - 7.5 = 7.15

b. Construcción de los respectivos gráficos de control.

Figura 5. Gráfico de Control para el número de defectuosos (np)

120

100
Número de
Defectuosos (np)
80
LCS
60
LCC
40
LCI
20

0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 Días
 Figura 6. Gráfico de Control para la fracción defectuosa (p)

0.6

0.5

0.4
Fracción Defectuosa (p)

0.3 LCS
LCC
0.2 LCI

0.1

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

Figura 7. Gráfico de Control para el porcentaje de defectuosos (100p)

60
Porcentaje de
Defectuosos (100p)
50
LCS
40
LCC
30
LCI
20

10

0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
3.2.2 GRÁFICO DE CONTROL PARA DEFECTOS
La producción de pan de camote requiere una carta de control por defectos. Con este objeto se
toma una muestra de cada uno de los 10 lotes evaluados. De cada muestra se extrae una unidad
de muestra para determinar los defectos, obteniéndose los siguientes resultados:

Lote 1 2 3 4 5 6 7 8 9 10
N° defectos 1 2 3 4 5 4 3 2 1 0

Se solicita:
a. Calcular los limites de control expresados en: número de defectos en la muestra (c),
número de defectos por unidad (u), y número de defectos por 100 unidades (100u)
b. Construir los respectivos gráficos de control

Solución:
a. Calculando los limites de control

Número de Número Número de Número de Número de

Lote (m*) inspeccionado defectos (c) defectos por defectos por
(n) unidad (u) 100 unidades
u=c/n (100u)
1 1 1 1 100
2 1 2 2 200
3 1 3 3 300
4 1 4 4 400
5 1 5 5 500
6 1 4 4 400
7 1 3 3 300
8 1 2 2 200
9 1 1 1 100
10 1 0 0 0
Suma 10 25

Cálculo de  ,  y 100 :
∑!
 = = 25/10 →  = 2.5
"∗

Donde m* es el número de muestras, de n unidades cada una.

∑!
= = 25/10 →  = 2.5
∑

∑!
100  = ∑n
= 2500/10 = 250

Límites para el Número de Defectos en la muestra:

LC =  ± 3 
LCS = 2.5 + 4.7434 = 7.2434
LCC = 2.5
LCI = 2.5 - 4.7434 = -2.2434 ≈ 0
Límites para el Número de Defectos por unidad:
LC =  ± 3 %
LCS = 2.5 + 4.7434 = 7.2434
LCC = 2.5
LCI = 2.5 - 4.7434 = -2.2434 ≈ 0

Límites para el Número de Defectos en por 100 unidades:

LC = 100  ± 100 [3 %]
LCS = 250 + 474.34 = 724.34
LCC = 250
LCI = 250 - 474.34 = -224.34 ≈ 0

b. Construcción de los gráficos de control

Figura 8. Gráfico de Control para el número de defectos en la muestra (c)

8
Número de
7 defectos (c)
6 LCS

5 LCC
4
LCI
3
2
1
0
1 2 3 4 5 6 7 8 9 10 Lote

Figura 9. Gráfico de Control para el número de defectos por unidad (u)

8
Número de
7 defectos por
6 unidad (u)

5 LCS

4
3 LCC
2
1
LCI
0
1 2 3 4 5 6 7 8 9 10
Figura 10. Gráfico de Control para el número de defectos por 100 unidades (100u)
800

700 Número de defectos

por 100 unidades
600 (100u)
500 LCS

400

300 LCC

200

100 LCI

0
1 2 3 4 5 6 7 8 9 10
Tabla 1. Factores críticos de las gráficas de control.
Algunos gráficos para pensar:
• El proceso del ejemplo se encuentra bajo control estadístico. Notar que los resultados de cada muestra
tanto del gráfico de promedio como rangos se encuentran dentro de los límites de control. No obstante
llama la atención el aumento de la variabilidad (rangos) de las últimas muestras lo que sugiere mantener
un estrecho control sobre el proceso productivo para evitar que éste salga de los límites.

• En la gráfica de promedios se observa una dispersión aleatoria respecto a la media del proceso aun
cuando llama la atención de la media de las muestras 4 y 5.

• En la gráfica de rangos se observa un leve tendencia creciente a contar de la muestra 9. Si bien las
observaciones se mantienen dentro de los límites de control, esta situación se debe tener bajo alerta
dado que muestra un aumento en la variabilidad.