UTN - FRBA: Maestría en Ingeniería en Calidad

MODULO: CO TROL ESTADÍSTICO DE

LA CALIDAD

Selección de Textos de Apoyo

Temas Complementarios

Docentes:

Lic. Wilfredo Barosio

Ing. Gustavo Vázquez

2007
APUNTE_CEP_2 Rev. 2007.doc 1/18
 Modulo : Control Estadístico de la Calidad

1- GRAFICOS DE CONTROL PARA CORRIDAS CORTAS (“SHORT RUN”)

I – Introducción

En la tecnología actual, cada vez con más frecuencia se aplican conceptos de producción
como manufactura sincronizada, entregas “just in time” y reducción al mínimo de stocks de
productos y/o componentes.
Como consecuencia, se produce “bajo demanda”, en series cortas y frecuentemente un
mismo proceso debe ser capaz y apto para producir diferentes productos similares entre sí
pero de características a controlar de valores distintos.
En esos casos la aplicación de las cartas de control tradicionales se ve dificultada por la
necesidad de disponer de un juego para cada producto y su explotación se complica pues
las cartas se interrumpen y reinician en forma repetida.
Es fácil ver que los sistemas de producción del tipo descrito requieren un perfecto dominio
del mismo dado que cualquier interrupción o la producción de productos no conformes
puede dar lugar graves problemas. La necesidad de disponer de herramientas que puedan
señalar rápidamente cualquier desviación del patrón estable es evidente.
Por éstas razones se han desarrollado en los últimos años gráficos de control aplicables a
éstas situaciones.

Presentaremos a continuación las más aplicadas, separadas en dos grupos según la

dispersión de las diferentes producciones puedan considerarse iguales o no.

Gráfico de Centrado Gráfico de Dispersión

Igual Dispersión en Gráfico de Rango Móvil

todos los Productos Gráfico de Diferencias
Único

Gráfico Z Gráfico W
Distinta Dispersión
en los Productos
Gráfico Z* Gráfico W*

II – Gráficos de Diferencias y Rango Móvil Único

Supongamos el caso de una línea de producción que puede producir indistintamente el

producto A o el producto B, ambos similares entre sí pero cuya característica clave difiere en
el valor a obtener (en general se suele llamar “target” al valor óptimo de la variable a
obtener) El proceso produce cada producto en flujo tenso, o sea según la demanda real del
mismo, lo que da lugar a cortas series de cada uno, incluso de tamaño unitario, gracias a la
aplicación de rápidos seteos de cada una.
Si graficáramos el valor obtenido de cada producto, tendríamos en la mayoría de los casos
un gráfico similar al siguiente:

APUNTE_CEP_2 Rev. 2007.doc 2/18

 Modulo : Control Estadístico de la Calidad

40
35
30
25
20
15
10
5
0
0 10 20 30 40 50

Es fácil ver que existe un patrón claro de dos familias de resultados, es decir éste gráfico nos
dice lo que ya sabemos: éste proceso produce dos productos cuyas medias difieren entre sí.
Podríamos hacer un gráfico de valores individuales y rangos móviles para cada producto y
obtenemos (con los mismos valores del gráfico anterior):

50

45

40 A
35

30 B
25

20

15

10
5

Observamos que los gráficos de rangos tienen valores límites similares, mientras que los
valores individuales oscilan en forma similar alrededor de la media.
Cuando las dispersiones son similares, podemos aplicar el modelo de gráfico de control de
Diferencias y Rango Móvil Único. ∗

Para cada uno de los productos calculamos una nueva variable a graficar que es la
diferencia entre el valor obtenido y el valor objetivo o target (Tp) y a partir de ella
calculamos en Rango móvil como el valor absoluto de dos diferencias consecutivas
(independientemente de cual producto proviene la diferencia):

Diferenciai = Valori – Target Rangoi = [ Diferenciai + 1 – Diferenciai ]

∗
Existen métodos analíticos para establecer la igualdad de dispersiones.
APUNTE_CEP_2 Rev. 2007.doc 3/18
 Modulo : Control Estadístico de la Calidad

A partir de éstos valores se construye un gráfico de valores individuales y rango móvil cuyos
límites naturales serán los ya vistos, con la salvedad de que se toma como línea central para
el gráfico de valores individuales el cero, dado que obviamente el objetivo es que las
diferencias con cada target sean nulas:

LCDiferencias : 0 ± 2,659 R M

Para el rango móvil único, teniendo en cuenta que es n = 2, resulta:

LS RM = 3,268 xR M
Para los datos anteriores, obtenemos el siguiente gráfico de control:

4 D ife r e n c ia
3

0
0 10 20 30 40 50
-1

-2

-3

-4

-5

6
R ango
5

0
0 10 20 30 40 50

Este gráfico se trata de la misma manera que lo ya visto para el caso general de un gráfico
de valores individuales y rango móvil.

APUNTE_CEP_2 Rev. 2007.doc 4/18

 Modulo : Control Estadístico de la Calidad

III – Gráficos Z

Cuando no es posible aceptar que las dispersiones de los diferentes productos son iguales,
se puede aplicar éste tipo de gráfico, que como su nombre indica “estandariza” los valores
individuales de cada producto, de manera de hacerlos comparables y poder así graficarlos
conjuntamente.
Para ello es necesario conocer para cada producto el valor objetivo o “target” (que puede
ser reemplazado por un promedio histórico) y su desviación estándar, que llamaremos S(x)
calculada de acuerdo a lo visto para los gráficos de promedios, es decir la representativa
de la variación propia o a corto plazo, por ejemplo calculada con la relación Rp / d2,
obtenido de los datos históricos de cada producto.
Entonces para cada medición obtenida xi debemos calcular el valor zi con la formula
siguiente aplicando los parámetros Tp y Rp que correspondan:

xi − T p
zi =
Rp
d2
Para el monitoreo de la dispersión, se calcula un rango móvil entre las diferencias
consecutivas, llamado generalmente W:

Wi = z i +1 − z i
Siendo Z una estandarización de la variable medida, es fácil que los límites 3 σ serán +3 y –
3 y la línea central 0, sea cual sea la variable medida.

•LSCZ = +3 LCCZ = 0 •LICZ = -3

Para el grafico de rangos móviles, tendremos:

LSCw = d2 + 3 d3 LCCw = d2

Entonces para n = 2 nos queda:

LSCW = 3.686 •LCCW =1.128 •LICW = 0

III - Ejemplo de aplicación de Gráfico de Control Z

La tabla que sigue registra los resultados de la medición de una característica dada para dos
productos C y D, que se obtienen en un proceso por lotes o batch, en el cual por razones de
demanda, se produce indistintamente una secuencia de un u otro de los productos. El valor
objetivo de la característica es TC = 19 para el producto C y TD = 8 para el producto D.
Para cada una de las mediciones se calcula el valor de Zi y Wi, tomando como valores del
rango para cada uno los obtenidos de las mismas mediciones, resultando RmC = 5,071 y
RmD = 2,357.
APUNTE_CEP_2 Rev. 2007.doc 5/18
 Modulo : Control Estadístico de la Calidad

Orden Batch Producto Valor Z W

1 21 C 20 0,222
2 22 D 5 -1,436 1,658
3 23 C 25 1,335 2,770
4 24 C 17 -0,445 1,779
5 25 C 21 0,445 0,890
6 26 C 15 -0,890 1,335
7 27 D 9 0,479 1,368
8 28 D 8 0,000 0,479
9 29 D 12 1,914 1,914
10 30 D 7 -0,479 2,393
11 31 C 19 0,000 0,479
12 32 D 7 -0,479 0,479
13 33 D 9 0,479 0,957
14 34 C 18 -0,222 0,701
15 35 C 23 0,890 1,112
16 36 C 18 -0,222 1,112
17 37 D 7 -0,479 0,256
18 38 D 7 -0,479 0,000
19 39 D 10 0,957 1,436
20 40 C 15 -0,890 1,847
21 41 C 23 0,890 1,779
22 42 C 18 -0,222 1,112
23 43 D 9 0,479 0,701
24 44 C 23 0,890 0,411
25 45 D 9 0,479 0,411
26 46 C 16 -0,667 1,146
27 47 D 8 0,000 0,667
28 48 C 21 0,445 0,445
29 49 D 12 1,914 1,469
30 50 D 6 -0,957 2,871
31 51 C 15 -0,890 0,067
32 52 D 7 -0,479 0,411
33 53 C 20 0,222 0,701
34 54 C 22 0,667 0,445
35 55 C 22 0,667 0,000
36 56 C 25 1,335 0,667
37 57 D 12 1,914 0,580
38 58 D 9 0,479 1,436
39 59 D 9 0,479 0,000
40 60 D 10 0,957 0,479
41 61 D 11 1,436 0,479
42 62 D 8 0,000 1,436
43 63 C 17 -0,445 0,445
44 64 D 9 0,479 0,923
45 65 D 11 1,436 0,957
46 66 C 20 0,222 1,213
47 67 C 22 0,667 0,445
48 68 C 15 -0,890 1,557
49 69 D 4 -1,914 1,024
50 70 C 11 -1,779 0,135

APUNTE_CEP_2 Rev. 2007.doc 6/18

 Modulo : Control Estadístico de la Calidad

A continuación los gráficos de Z y Rm correspondientes:

Gráfico Z

3.5
2.5
1.5
0.5
-0.5
-1.5
-2.5
-3.5

Gráfico W

0
0 10 20 30 40 50

IV – Gráficos Z*

Estos gráficos solo difieren de los anteriores en las expresiones utilizadas, que simplifican el
cálculo en tiempo real aunque pueden ser un poco más dificultosas de interpretar
estadísticamente.
En efecto la única diferencia real es el de tomar directamente el valor del promedio de los
Rangos móviles sin “corregir” con la constante d2 lo cual en la práctica es solo un factor de
escala, aunque se pierde el valor estadístico de Z.
Las fórmulas quedan entonces así:

xi − T p
zi* = Wi* = zi*+1 − zi*
Rp

APUNTE_CEP_2 Rev. 2007.doc 7/18

 Modulo : Control Estadístico de la Calidad

Y los límites naturales resultan entonces, para las diferencias modificadas:

•LSCZ* = +2,66 LCCZ* = 0 •LICZ* = -2,66

Y para los rangos móviles:

LSCW * = 3,268 •LCCW *=1 •LICW *= 0

APUNTE_CEP_2 Rev. 2007.doc 8/18

 Modulo : Control Estadístico de la Calidad

2- GRAFICOS DE CONTROL DE SUMA ACUMULADA (“CUSUM”)

I – INTRODUCCIÓN

Las cartas de control de Shewart básicamente se centran en la información del último punto
graficado, utilizando como señales de descontrol primarias aquellos puntos fuera de los
limites de control. Como regla práctica, los gráficos de Shewart son muy efectivos para
cambios de la media mayores a 1,5σ . Puede mejorarse su desempeño utilizando reglas
adicionales (señales de descontrol), a expensas de generar potenciales señales falsas y
haciendo más complicada la interpretación de las cartas de control.

Existen otros métodos más sensibles a pequeños cambios de la media, que incorporan
también los datos previos en el análisis del proceso, como CUSUM y EWMA.

II - PRINCIPIOS BÁSICOS

De los datos de la tabla (Xi), los primeros 20 corresponden a una distribución normal con
media 10 ( µ = 10 ) y desviación estándar 1 ( σ = 1 ) Se grafican estos valores en una carta
de control de Shewart, con línea central 10 y cuyos límites resultan ser LNS: 13 y LNI: 7. Las
últimas 10 observaciones responden a una distribución normal con la misma dispersión pero
con media 11 ( µ = 11 ).

Grafico de Shewart

15.00
LNS Media 11
13.00

11.00

9.00

7.00
LNI
5.00
0 5 10 15 20 25 30 35
Nro de muestra

Si bien los últimos 10 valores son resultados de un proceso que cambió su media (cambio
equivalente a 1 desvío Standard), el gráfico de control no presenta ningún punto fuera de los
límites y por lo tanto no permite detectar este cambio. (Obviamente, si consideramos las
reglas complementarias para señales de descontrol, tenemos una corrida de más de 7
puntos a un mismo lado de la media y podríamos detectar que el proceso salió de control en
la observación número 29).
Esto confirma la baja sensibilidad de los gráficos de Shewart para detectar cambios
pequeños en la media.

La carta de sumas acumuladas permite integrar directamente la información contenida en la

secuencia de valores muestrales, graficando las diferencias acumuladas respecto al valor
objetivo para el proceso.

APUNTE_CEP_2 Rev. 2007.doc 9/18

 Modulo : Control Estadístico de la Calidad

Si µ O
es el objetivo del proceso, tomamos muestras de tamaño n ( n ≥ 1 ) y x j es el
promedio de la j-ésima muestra, se construye la carta de control graficando la cantidad:

C i = ∑ (X j − µ O )
i

j =1

respecto al número de muestra i.

En la tabla 1, calculamos Ci para los datos del ejemplo.

Tabla 1

N xi xi-10 Ci =(xi-10)+Ci-1
1 9.45 -0.55 -0.55
2 7.99 -2.01 -2.56
3 9.29 -0.71 -3.27
4 11.66 1.66 -1.61
5 12.16 2.16 0.55
6 10.18 0.18 0.73
7 8.04 -1.96 -1.23
8 11.46 1.46 0.23
9 9.20 -0.80 -0.57
10 10.34 0.34 -0.23
11 9.03 -0.97 -1.20
12 11.47 1.47 0.27
13 10.51 0.51 0.78
14 9.40 -0.60 0.18
15 10.08 0.08 0.26
16 9.37 -0.63 -0.37
17 10.62 0.62 0.25
18 10.31 0.31 0.56
19 8.52 -1.48 -0.92
20 10.84 0.84 -0.08
21 10.90 0.90 0.82
22 9.33 -0.67 0.15
23 12.29 2.29 2.44
24 11.50 1.50 3.94
25 10.60 0.60 4.54
26 11.08 1.08 5.62
27 10.38 0.38 6.00
28 11.62 1.62 7.62
29 11.31 1.31 8.93
30 10.52 0.52 9.45

Si para el ejemplo el objetivo es 10, tendremos:

APUNTE_CEP_2 Rev. 2007.doc 10/18

 Modulo : Control Estadístico de la Calidad

i −1

C i = ∑ (X j − 10) = (X i − 10) + ∑ (X j − 10) = (X i − 10) + C I −1

i

j =1 j =1

C = (X
i i − 10) + C I −1

Como valor inicial se toma Co = 0

Grafico de Sumas Acumuladas

12.00
9.00
6.00

3.00
0.00
-3.00
-6.00
0 3 6 9 12 15 18 21 24 27 30 33
Nro de muestra

Obsérvese que los 20 primeros valores oscilan alrededor de 0, mientras que a partir de la
muestra 21 se observa una fuerte tendencia ascendente.

Desde luego, este gráfico carece de límites que definan los criterios para detectar señales de
descontrol. Existen 2 formas de establecer esos criterios para Cusum:

a- Cusum Tabular

b- Máscara V

III - CUSUM TABULAR

Como las cartas de valores individuales son las más frecuentemente utilizadas,
desarrollaremos la metodología considerando esta situación. Sea xi la iésima observación
del proceso. Si el proceso está bajo control responde a una distribución normal con media
µ O y desvío Standard σ ∗.

Con la carta Cusum se desea mantener el proceso controlado alrededor de un valor objetivo
de una característica medida x (Ej. viscosidad de 2000 cst a 110° C). Si el proceso se aparta
del valor objetivo, la carta Cusum debe mostrar una señal de descontrol que permita tomar
acción para reencausarlo.

∗
ota: para estimar σ , en el caso de valores individuales debe realizarse a partir de rangos móviles ( σ ≅ R Movil / d 2 )
y cuando se trabaja con promedios de subgrupos mayores a 1 debe hacerse en base a los rangos ( σ ≅ R / d2 )
APUNTE_CEP_2 Rev. 2007.doc 11/18
 Modulo : Control Estadístico de la Calidad

El Cusum tabular trabaja acumulando los desvíos por encima y por debajo del objetivo, con
C+ y C- respectivamente. A los estadísticos C+ y C- se los denomina Cusums superior e
inferior.

[
C i+ = max 0; x i − (µ O + K ) + C i+−1 ]
[
C i− = max 0; (µ O − K ) − x i + C i−−1 ]

Los valores iniciales son C o− = C o+ = o

En las ecuaciones, K es el valor de referencia o tolerancia (K proporciona una banda de

indiferencia alrededor del objetivo donde no se considera que exista desvío). Sea µ1 una
media distinta del objetivo tal que deseamos detectar con rapidez el desvío hacia el mismo
(nos interesa que el desvío µ 1 − µ O sea rápidamente detectado por el Cusum). En general
se elige:

µ1 − µ O
K=
2

Usualmente se expresa el desvío en términos de desvío estándar: µ 1 = µ O + ∂σ o

µ 1 = µ O − ∂σ , y por lo tanto:

∂σ
K=
2

Ambos estadísticos de Cusum acumulan las desviaciones del objetivo mayores de K y se

reinicializan con valor 0, cuando se hacen negativas. N+ y N- cuentan la cantidad de valores
consecutivos en que C+ y C- respectivamente son mayores a cero. Cada vez que C+ vuelve
a 0, se reinicia la cuenta de N+.(lo mismo ocurre con C- y N-).

Resta establecer un criterio que nos señale cuando estamos frente a una señal de
descontrol. El criterio general es definir un valor límite H denominado intervalo de decisión
tal que si C- o C+ lo superan, se considera que el proceso se haya fuera de control.
En general, para detectar corrimientos del orden de 1 σ se utilizan valores de H = 4 o H = 5
que proporcionan valores de ARL adecuados, del orden de 8 a 10.∗

En la tabla 2, se aplica la metodología considerando:

µ O = 10 σ =1 n=1 H=5

Se desea detectar el corrimiento de 1 σ ( µ1 = 10 + 1 = 11 ) y por ello K= ½ :

µ O + K = 10.5 y µ O − K = 9.5

∗
Remitimos a la bibliografía recomendada para un análisis más profundo.
APUNTE_CEP_2 Rev. 2007.doc 12/18
 Modulo : Control Estadístico de la Calidad

Tabla 2:

N xi xi-10,5 C+i N+ 9,5-xi C-i N-

1 9,45 -1,05 0 0 0,05 -0,05 1
2 7,99 -2,51 0 0 1,51 -1,46 2
3 9,29 -1,21 0 0 0,21 0,00 0
4 11,66 1,16 1,16 1 -2,16 0,00 0
5 12,16 1,66 2,82 2 -2,66 0,00 0
6 10,18 -0,32 2,5 3 -0,68 0,00 0
7 8,04 -2,46 0,04 4 1,46 -1,46 1
8 11,46 0,96 1 5 -1,96 0,00 0
9 9,20 -1,30 0 0 0,30 -0,30 1
10 10,34 -0,16 0 0 -0,84 0,00 0
11 9,03 -1,47 0 0 0,47 -0,47 1
12 11,47 0,97 0,97 1 -1,97 0,00 0
13 10,51 0,01 0,98 2 -1,01 0,00 0
14 9,40 -1,10 0 0 0,10 -0,10 1
15 10,08 -0,42 0 0 -0,58 0,00 0
16 9,37 -1,13 0 0 0,13 -0,13 1
17 10,62 0,12 0,12 1 -1,12 0,00 0
18 10,31 -0,19 0 0 -0,81 0,00 0
19 8,52 -1,98 0 0 0,98 -0,98 1
20 10,84 0,34 0,34 1 -1,34 0,00 0
21 10,90 0,40 0,74 2 -1,40 0,00 0
22 9,33 -1,17 0 0 0,17 -0,17 1
23 12,29 1,79 1,79 1 -2,79 0,00 0
24 11,50 1,00 2,79 2 -2,00 0,00 0
25 10,60 0,10 2,89 3 -1,10 0,00 0
26 11,08 0,58 3,47 4 -1,58 0,00 0
27 10,38 -0,12 3,35 5 -0,88 0,00 0
28 11,62 1,12 4,47 6 -2,12 0,00 0
29 11,31 0,81 5,28 7 -1,81 0,00 0
30 10,52 0,02 5,3 8 -1,02 0,00 0
Del análisis de la tabla vemos que a partir de la medición 29, C+ supera el valor límite H = 5,
por lo que se debe buscar a través de los registros una posible causa especial. Una ventaja
del Cusum frente a los otros métodos es que el contador N+ al registrar la cantidad sucesiva
de mediciones en que C+ se mantuvo por encima de cero nos indica el momento probable en
que la causa especial se hizo presente, ayudando así a la búsqueda de la misma.

APUNTE_CEP_2 Rev. 2007.doc 13/18

 Modulo : Control Estadístico de la Calidad

En el ejemplo, al ser N+ = 7, deberíamos presuponer que el proceso se mantuvo estable

hasta el registro 22, a partir del cual comienza la secuencia de valores crecientes.

Una representación gráfica de la tabla anterior, con el intervalo de decisión incluido, dada su
semejanza con una carta de Shewart, es muy útil para la rápida interpretación de los
resultados.
Generalmente se incluyen los valores individuales registrados (en el ejemplo siguiente,
generado en excel, se usan barras sólidas para C- y C+ y puntos para xi) para ayudar a
comprender el desempeño del proceso.

6 14

13
4
12
2
11

0 10
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29
9
-2
8
-4
7

-6 6

IV – CUSUM CON MÁSCARA V

Este procedimiento ha caído en desuso debido al aumento de la capacidad de cálculo que

lleva a preferir el uso del Cusum tabular.
El método consiste en graficar el siguiente estadístico y verificar aplicando una máscara
construida según la precisión deseada si existen señales de descontrol:

i
Ci = ∑ y j = yi + Ci −1
j =1

donde yi es la estandarización de la observación xi frente al valor objetivo µ0 y la desviación

estándar del proceso σ, o sea:

( xi − µ 0 )
yi =
σ

APUNTE_CEP_2 Rev. 2007.doc 14/18

 Modulo : Control Estadístico de la Calidad

Una máscara típica tiene la forma siguiente:

Para la detección, sobre el grafico de los valores Ci se coloca la máscara de manera de que
el punto O coincida con el último valor graficado. Si el proceso se mantuvo estable, todos los
valores anteriores deben quedar dentro de los brazos en “V” de la máscara, en caso
contrario, se trata de una señal de descontrol a evaluar.
A modo de referencia, se incluyen las fórmulas que relacionan la máscara con el Cusum
tabular visto más arriba. En las mismas A es la relación entre escalas vertical y horizontal
como se ve en el figura.

K = A tan θ H = A d tan θ = d K

La mayor parte de los autores recomiendan no utilizar éste método que se presenta aquí
como referencia.

APUNTE_CEP_2 Rev. 2007.doc 15/18

 Modulo : Control Estadístico de la Calidad

3- GRAFICOS DE CONTROL DEL PROMEDIO MOVIL PONDERADO

EXPONENCIALMENTE (EWMA)

I – INTRODUCCIÓN

Este método es otra alternativa desarrollada en los últimos años (de la mano del aumento de
la capacidad de cálculo “portátil”) para la detección de corrimientos pequeños. En general,
se considera su aplicación más sencilla que la del Cusum con similares valores de
desempeño.
Su aplicación típica al igual que la del Cusum es para el control de mediciones individuales si
bien existen desarrollos para su aplicación en variables agrupadas en subgrupos racionales∗.

II – DESARROLLO

Para su aplicación se debe establecer el valor objetivo del proceso µ0 y el de la desviación

estándar σ, o sus estimaciones muestrales.
Dada una variable x, el promedio móvil ponderado exponencialmente se define como:

zi = λ xi + ( 1- λ ) zi-1

donde λ es una constante cuyo valor debe cumplir 0 < λ ≤ 1 y el valor inicial se hace z0 = µ0
Desarrollando la expresión anterior se llega a:

En donde se puede observar que el factor de ponderación exponencial λ (1 - λ )j va

decreciendo geométricamente a medida que se van incorporando más resultados.

Se puede demostrar que los límites naturales para ésta variable estadística z toman la forma
siguiente:

∗
En lo que sigue, se debe cambiar xi con el promedio de cada subgrupo y σ por σ /√n
APUNTE_CEP_2 Rev. 2007.doc 16/18
 Modulo : Control Estadístico de la Calidad

El parámetro L que aparece en las expresiones define la anchura de los límites. Aplicando el
criterio de límites 3 σ de las cartas de Shewart se les asigna generalmente ese valor, aunque
muchos autores recomiendan tomar valores entre 2,6 y 2,8 cuando el parámetro λ es chico,
en el orden por ejemplo de 0,1.
A su vez, los valores más usados en la práctica de λ son 0,05; 0,10 o 0,20.∗
Se puede ver que los límites no son constantes sino que varían con i (el orden de la
observación) aunque como el factor entre corchetes tiende a 1 a medida que crece i, los
límites tienden a un valor casi constante a medida de se agregan mediciones.

La tabla siguiente (adaptada de Montgomery), da diferentes valores de ARL para distintas

combinaciones de L y λ en función del desplazamiento de la media en unidades de σ.

Corrimiento en L = 3,054 L = 2,998 L = 2,962 L = 2,814 L = 2,615

la media λ = 0,40 λ = 0,25 λ = 0,20 λ = 0,10 λ = 0,05
0 500 500 500 500 500
0,25 224 170 150 106 84,1
0,50 71,2 48,2 41,8 31,3 28,8
1,00 14,3 11,1 10,5 10,3 11,4
1,50 5,9 5,5 5,5 6,1 7,1
2,00 3,5 3,6 3,7 4,4 5,2
3,00 2,0 2,3 2,4 2,9 3,5

III- EJEMPLO

Retomando el ejemplo utilizado en Cusum, para el cual teníamos µ0 = 10 y σ = 1, realizamos

el cálculo de zi tomando cómo parámetros λ = 0,10 y L = 2,7.
Por ejemplo el primer valor calculado será:

z1 = λ x1 + (1-λ) z0 = 0,10 9,45 + (1-0,10) 10 = 9,945

y el siguiente:

z2 = λ x2 + (1-λ) z1 = 0,10 7,99 + (1-0,10) 9,945 = 9,7495

Mientras que los límites resultan, para la primera observación:

LSC1 = 10,27 LIC1 = 9,73

Y para la siguiente:

LSC2 = 10,36 LIC2 = 9,64

Si hacemos igual a 1 el factor [ 1-(1-λ)2i] obtendremos el valor a l cual tenderán los límites
para altos valores de i, resultando:

LSC = 10,62 LIC = 9,38

Estos valores pueden usarse a partir de aquí eliminando el cálculo, siempre que no se
detecten señales de inestabilidad en mediciones iniciales.
∗
Empíricamente se recomienda λ pequeño para detectar corrimientos pequeños.
APUNTE_CEP_2 Rev. 2007.doc 17/18
 Modulo : Control Estadístico de la Calidad

Representando los valores así calculados, obtenemos el gráfico siguiente:

Como podemos ver, la carta de control EWMA nos indica una señal de descontrol a estudiar
en la observación 28, casi coincidiendo con la información obtenida en el Cusum.

APUNTE_CEP_2 Rev. 2007.doc 18/18