Néstor Caicedo S. MSc.

Herramientas utilizadas principalmente para:

 Monitorear y vigilar el desempeño del proceso en
cuanto a las características de calidad críticas del
producto, para así minimizar la producción defectuosa.
(Gráficos de Contro)l
 Estimar los parámetros del proceso para comparar la
producción con las especificaciones.
(Estudios de Capacidad)
 Exactitud: Grado de sesgo o diferencia de la medida
con respecto a un valor estándar o medida verdadera.
 Precisión: Grado de variabilidad en las medidas
o Herramienta que permite estudiar la estabilidad de un proceso a lo largo
de las corridas de producción.
oFacilita visualizar el patrón natural de comportamiento del proceso e
identificar situaciones fuera de control.
 o Definir límites predecibles (naturales) de variación.

LCS

LC

LCI
Dada una medida (estadístico) “Q” para una característica de calidad
evaluada sobre una serie de muestras (subgrupos) de la producción,….

LCS  E (Q)  k VAR(Q) E (Q )  

LC  E (Q) VAR(Q )   2
LCI  E (Q)  k VAR(Q)

o Los datos muestrales se agrupan siguiendo un esquema natural (racional)

de producción. (p.e., lotes de producción, turno, intervalo de tiempo,.. etc)
 Cambios en la Media Cambios en la dispersión
Cambio abrupto
Cambio sistemático

Cambios combinados
 Son una herramienta de mejoramiento de la calidad y la
productividad.
 Guía y delimita la necesidad de ajustes al proceso.
 Proporcionan información acerca de la capacidad del proceso.
 Proporcionan información de diagnóstico y apoyan el conocimiento
del proceso.
Gráficas de Variables Gráficas de Atributos
- Promedios X - Fracción producto no conforme p
- Rangos R - Cantidad de producto no confome np
- Desviaciones s - Número de no conformidades totales c
- Gráficas para datos individuales X - Número de no conformidades por
unidad u

Variables: Medidas cuantitativas asociadas a características de calidad.

Atributo: Medidas cualitativas o lógicas asociadas a no conformidades y/o características
de calidad

Gráficas de Control para detectar cambios pequeños

- Gráfica de Control de Sumas Acumuladas (CUSUM)
- Promedio Móvil: con Ponderación Exponencial (EWMA)
Gráficas de control para corridas pequeñas
- Gráfica con Especificaciones
- Gráfica Z - W
 X R
X R
X

El propósito es analizar y monitorear la tendencia central

de los datos y el grado de dispersión.
 X R
X R
X

 
 /2
LCSx   x  Z / 2 x x  LCS x   x  Z  / 2
n n
LCx   x LC x   x
X


 /2 LCI x   x  Z / 2 x LCI x   x  Z  / 2
n
 X R
X R
X

X R


 /2
LCSx   x  Z / 2 x x 
n LCS X  X  A2 R
LCx   x
X
 x  E (X ) LCX  X (1)
 /2 LCI x   x  Z / 2 x ̂ x  X LCI X  X  A2 R
3
* Distribución de Recorrido Relativo:
R ˆ 
R A2 
W  d2 d2 n

 X R
X R
X

X R

 /2
LCSx   x  Z / 2 x  x  E (X ) LCSx  X  Z / 2 S x

LCx   x ̂ x  X LCx  X
X
(2)
 /2 LCI x   x  Z / 2 x  x 2  E(( X   x )2 ) LCI x  X  Z / 2 S x

ˆ x  S x
2 2
 X R
X R
X

X R

 /2
LCSx   x  Z / 2 x LCS  X  A2 R LCSx  X  Z / 2 S x
X
LCx   x LC  X (1) LCx  X (2)
 /2 LCI x   x  Z / 2 x LCI  X  A2 R LCI x  X  Z / 2 S x

̂ x  X  x  Sx
ˆ 2 2
 X R
X R
R

X R

 /2
LCSR   R  Z / 2 R ̂ R  R LCSR  D4 R
R LCR   R ˆ 
R
LCR  R (3)
d2
 /2 LCI R   R  Z / 2 R LCI R  D3 R
ˆ R  ˆ d 3
d3 d3
D3  1  3 D4  1  3
d2 d2
D2  D4 d 2
 X R
X R
R

X R

 /2
LCSR   R  Z / 2 R ̂ R  R LCSR  D4 R
R LCR   R ˆ 
R
LCR  R (3)
d2
 /2 LCI R   R  Z / 2 R LCI R  D3 R
ˆ R  ˆ d 3
d3 d3
D3  1  3 D4  1  3
d2 d2
D2  D4 d 2
 X R
X R
R

X R

 /2
LCSR   R  Z / 2 R ̂ R  R LCSR  R  Z / 2 S R
R LCR   R LCR  R
ˆ R  S R
2 2
(4)
 /2 LCI R   R  Z / 2 R LCI R  R  Z / 2 S R
 X R
X R
R

X R

 /2
LCSR   R  Z / 2 R LCSR  D4 R LCSR  R  Z / 2 S R
R LCR   R LCR  R (3) LCR  R (4)
 /2 LCI R   R  Z / 2 R LCI R  D3 R LCI R  R  Z / 2 S R
LCSR  D2  ̂ R  R ˆ R 2  S R 2
(5)
LCI R  D1 
 X s
X R s

X R s

Gráfica de Rangos vs Gráfica de Desviaciones

- Grado de precisión
- Tamaño del subgrupo
 X s
X R s

X R s

 /2
LCS   S  Z / 2 S LCS  B4 s LCS  s  Z / 2 S s
s
LC   S LC  s (6) LC  s (7)
LCI   S  Z / 2 S
 /2 LCI  B3 s LCI  s  Z / 2 S s
LCS X  X  A3 s LCS  B6  ̂ S  S ˆ S 2  S S 2
(8) (9)
LCI X  X  A3 s LCI  B5  ˆ S  c4
Lectura de las gráficas de control
Situaciones fuera de control
 Casos fuera de Control

1 punto fuera de los límites

Fuera de los limites

Tendencia
6 puntos sucesivos en aumento o disminución

7 puntos sucesivos del mismo lado

Cambios de nivel 10 de 11 puntos al mismo lado
12 de 14 puntos al mismo lado

Ciclicidad Patrón cíclico de puntos

C
B 2 de 3 puntos sucesivos en la zona C
A
A
B
4 de 5 puntos sucesivos en la zona B
Alta variabilidad C
6 puntos alternando arriba y abajo en la zona C
C
B
A
A
12 puntos sucesivos cercanos al límite central (A)
Baja variabilidad B
C 8 puntos en zonas A y B sin puntos en zona C
- Cuando el tamaño de la muestra es obligatoriamente igual a 1.
- Utiliza el concepto de intervalo móvil de 2 para estimar R

LCS X  X  3 R R
LC X  X ˆ  
d 2 1.128
LCI X  X  3
LCSR  D4 R
LCR  R
LCI R  D3 R

X R
  /2
LCS Intervalo de límites de control [LCI LCS]   3
Gráfica X: Ho:=LC H1:≠LC
LC
Situación no deseable.... Falsa Alarma

P(Sistema genere una falsa alarma) = P( Alarma / NOhayProblema) =

LCI  /2
P( Rechazar Ho / Ho es cierta) = P(Error Tipo I) = 

Suponga que se utilizan 4 criterios independientes para controlar el proceso..

con respectivos valores para  : 1=0.05 2=0.01 3=0.1 4=0.05

La Probabilidad (Sistema genere una falsa alarma) sería:

P(Falsa Alarma) = 1 – P(Níngún Control genere Falsa Alarma) =

4
 1   (1   i )  0.196
i 1
• Determina la Capacidad de la Gráfica para detectar cambios en la característica de calidad.
• Sirve para determinar el tamaño de la muestra.
LCS X Gráfica X: Ho:=o H1:≠o (e.g. H1:=1)
P( No Detectar el Cambio / Si hay cambio )
LC X o
P( Aceptar Ho / Ho es falsa) = P(Error Tipo II) = b
LCI X 0 1

LCI X LC X LCS X

bP( LCI X ≤ X ≤ LCS X |  =1 )

 LCS x  1   LCI x  1 
b        
 / n   / n 
 1   0    LCS x  1   LCI x  1 
b        
0 1  / n   / n 
 (  0  3 / n )  (  0   )   (  0  3 / n )  (  0   ) 
b      
 


 / n   / n 
LCI X LC X LCS X

LCS x   0  3

n
  
b   3  n   3  n 

LCI x   0  3
n
CURVA OC


1.Para el caso n=4, Cuál es la
probabilidad de no detectar un cambio
igual a 2.5  en la siguiente muestra?

  
b   3  n   3  n 
b    2.0    8.0
b  0.02275
b
2.Cuál sería el tamaño de la muestra si
se quiere detectar un cambio en la media
de 1  con una probabilidad del 80%?

n cercano a 15


 Enero Febrero Marzo

Revisar y ajustar los límites de control suprimiendo las observaciones

Fuera de control con causas asignables.
Ajustar los límites conforme a mayores exigencias de control.
Disconformidad: Defecto asociado a una característica de calidad.
- Medida fuera de una especificación
- Burbuja sobre una superficie pintada …..

Disconforme: Unidad de producto rechazada por mala calidad.

- Fracción de producto no conforme o defectuoso p

- Número (conteo) de producto no conforme np
- Número (conteo) de no conformidades o defectos totales c
- Número (conteo) de no conformidades o defectos por unidad u

Producto no No
conforme conformidades
Tamaño grupo np c
constante (n=1)
Tamaño grupo p u
constante o
variable
Se toman g muestras de tamaño n y se determina la fracción de producto
no conforme p con base en el número de unidades no conformes D

Di
pi  i  1,2,..g
ni LCS   p  3 p
LC   p
E ( pˆ )  p
p(1  p) LCI   p  3 p
Var( pˆ ) 
n

̂ p  p p (1  p )
LCS  p  3
n
LC  p
p (1  p )
LCI  p  3
n
Se toman g muestras de tamaño n y se determina el número de no
conformidades por unidad u con base en el número total de no conformidades c

ci
ui  i  1,2,..g
ni LCS  u  3 u
ˆ)  u
E (u LC  u
LCI  u  3 u
2
u
ˆ)   
Var(u
n

u
̂ u  u LCS  u  3
ni
LC  u
u
LCI  u  3
ni
 Gráfica p con límites variables Gráfica p estandarizada
p(1  p ) pi  p
LC (i )  p  3 Zi 
ni pi (1  pi )
ni

Gráfica p con tamaño promedio de subgrupo Gráfica p con múltiples límites de control
 P( No Detectar el Cambio / Si hay cambio ) = P(Error Tipo II) = b
b  P ( LCI ≤ p ≤ LCS | p=p1) = P ( D ≤ n LCS | p=p1 ) - P ( D ≤ n LCI | p=p1)
x
n i
P( D  x)     p (1  p ) n i
i 0  
i
b

Suponga una gráfica p para un n LCS = 4

proceso que actualmente tiene
p=0.025 , n=40 y LCS=0.1 LCI=0

Si queremos detectar un cambio de p a 0.04

con una probabilidad del 90%,
p
¿ cuál debe ser el tamaño de la muestra?

N es APROXIMADAMENTE 200
 Herramienta que permite estudiar la estabilidad de un proceso a lo
largo de las corridas de producción.
Facilita visualizar el patrón natural de comportamiento del proceso,
identificar situaciones fuera de control y tomar acciones correctivas.
 El principal beneficio del uso de gráficas de control es la reducción
en la cantidad de inspecciones en la etapa de control.
 Adicionalmente evitan hacer ajustes innecesarios en el proceso
 Las gráficas de control por variables son más sensibles para la
detección de cambios. Usualmente se usan tamaños pequeños de
muestra (n<=10)
 La gráfica p requiere un tamaño de muestra considerable para
detectar cambios (n>=100).
 Las gráficas por atributos facilita la inclusión de varios criterios y
evita procesos de medición costosos.
 Es importante asegurar el control del proceso antes de establecer
estándares de capacidad.