UNIVERSIDAD NACIONAL MAYOR DE SAN

MARCOS
Escuela de Ingeniería Metalúrgica
CURSO
GESTION DE LA PRODUCCION METALURGICA

CONTROL ESTADISTICO
DE PROCESOS PARTE A
ING OSWALDO GONZALES
 Clasificación métodos
estadísticos
Métodos Estadísticos de
Control de Calidad

Control Estadístico de
Procesos Muestreo de Aceptación
(gráficos de control) (planes de muestreo)

Atributos Variables Atributos Variables

 Control estadístico de la Calidad
(Besterfield, 1995)
• Consiste en el acopio, análisis e
interpretación de datos para su uso en el
control de calidad.
• El conjunto de datos recogidos en el estudio
debe procesarse para que permita visualizar
las variaciones de la característica objeto de
análisis.
3
 M
E
D
Media I
C
I
O
N
DIAMETRO DIAMETRO DIAMETRO E
S

En un proceso estable las mediciones se distribuyen normalmente, a

la derecha y a la izquierda de la media adoptando la forma de una
campana.
M
E
D
I
C
I
O
N
E
S DIAMETRO DIAMETRO 5
La distribución normal se caracteriza por dos parámetros:
— La media poblacional μ es 0
— La desviación estándar σ es 1
--- Es simétrica
---- El área entre la función y el eje horizontal es 1
 HISTOGRAMA
Es una herramienta estadística que nos permite representar por medio gráfica
de barras, el comportamiento de una serie de datos de un proceso.
Permite:
a) Mostrar el patrón de variación del proceso.
b) Comunicar información visual acerca del comportamiento del proceso.
c) Tomar decisiones acerca del punto en que se deben concentrar los
esfuerzos para lograr la mejora.
Otra aplicación del histograma es la comparación de los resultados de un proceso
con las especificaciones previamente establecidas.

•La variabilidad del proceso se representa por el ancho del histograma, se

mide en desviaciones estándar o , ± 3 cubre el 99.73%.

LIE LSE

7
HISTOGRAMA:
a) Lo único que se necesita
es mantener el estado
presente, desde que el
histograma satisface
ampliamente la
especificación.

b) La especificación está
satisfecha, pero no hay
ningún margen extra. Por
consiguiente, es bueno
reducir la variación en un
grado pequeño.
8
HISTOGRAMA:
c) Es necesario tomar
medidas para traer la
media más cerca al
medio de la
especificación.
d) Se exige acción para
reducir la variación.
e) Se requieren las
medidas descritas en
c) y d).

9
 HISTOGRAMA:
TIPOS DE HISTOGRAMA
1. Tipo General (simétrico o campana)
2. Tipo Peine (tipo multi-modal)

10
 HISTOGRAMA:
TIPOS DE HISTOGRAMA
3. Tipo oblicuo positivo (tipo oblicuo negativo)
4. Tipo precipicio de mano-izquierda (tipo precipicio mano-derecha)

11
 HISTOGRAMA:
TIPOS DE HISTOGRAMA
1. Tipo Meseta
2. Tipo del cresta-gemela (tipo bimodal)
3. Tipo cresta-aislada

12
 PASOS PARA LA CONSTRUCCION DE UN HISTOGRAMA

1.-Registrar todos los datos de las muestras recopiladas.

2.-Seleccionar de los datos el valor máximo (Ma) y el valor mínimo (Mi).
3.-Calcular el Rango (R) de variación de los datos. R = Ma - Mi .
4.-Seleccione el número de intervalos (K) a utilizar en el diagrama de acuerdo a
la tabla siguiente:

Roberto Behar y Pere Grima regla de Sturges

5.-Calcular la amplitud de la clase (A) . Ancho de cada uno de los K grupos.

A= Rango/Numero de clases
6.-Calcular los límites inferior (LIK) y el superior (LSK) de cada uno de los K
LI1 = M1 LS1 = LI1 + A
LI2 = LS1 LS2 = LI2 + A
LI3 = LS2 LS3 = LI2 + A 13
 PASOS PARA LA CONSTRUCCIÓN DE UN
HISTOGRAMA
7.-Determinar el número de de datos (FK) , que caen dentro
de cada uno de lo grupos (K). Esto se hace inspeccionando
la información de tal forma de que cada dato debe caer en
uno y sólo un grupo.
8.-Graficar el histograma

14
Se maquinaron 40000 ejes de acero, para verificar el patron de variacion del
proceso. La variable elegida para el estudio es la dureza HRB de una muestra de
ejes. Se trata de una variable continua.
 Lot size Sample size
91-150 10
151-280 15
281-400 20
401-500 25
501-1,200 35
1,201-3,200 50
3,201-10,000 75
10,001-35,000 100
35,001-150,000 110

Se toma una muestra de 110 Piezas de acero y se mide las durezas Rockwell B en
un durómetro digital de cada una de las ´piezas, tal como se presenta a
continuación, previamente ordenadas ascendentemente:
VALOR MINIMO 58.5 - VALOR MAXIMO 105.5 = 47
 N° de Intervalos = √110 =10.48 ≈ 11

𝑅𝐴𝑁𝐺𝑂 105.5 − 58.5

ANCHO DEL INTERVALO = =
# 𝐷𝐸 𝐼𝑁𝑇𝐸𝑅𝑉𝐴𝐿𝑂𝑆 11
4.27 ≈ 4.3

Intervalos Frecuencia
58.5 - 62.8 5
62.8 - 67.1 7
67.1 - 71.4 15
71.4 - 75.7 30
75.7 - 80.0 19
80.0 - 84.3 14
84.3 - 88.6 10
88.6 - 92.9 6
92.9 - 97.2 2
97.2 - 101.5 1
101.5 - 105.8 1
A continuación se grafica el histograma

HISTOGRAMADUREZA
DE PESOS DE LOS TRABAJAODRES
ROCKWELL B

35 _
x
30

25
Frecuencia

20

15

10

0
58.5 62.8 67.1 71.4 75.7 80.0 84.3 88.6 92.9 97.2 101.5

Intervalos
En una planta se cromaron piezas de griferia, para verificar el patron de variacion
del proceso. La variable elegida para el control del proceso es el espesor de
cromado de una muestra del lote de griferia. Se trata de una variable continua.
 Los resultados de 125 mediciones del espesor de cromado (en mils) son
los siguientes

Las especificaciones del cliente son las siguientes:

Límite Inferior de Especificación (L.I.E.) = 3,4 mils
Límite Superior de Especificación (L.S.E.) = 4,4 mils
Se ha establecido que el proceso es aceptable, o está bajo control, si el 90 % de
los datos están entre las especificaciones dadas por el cliente.
 El Rango (R) es de 1,7 mm (4,7 - 3,0), o sea Valor Mayor menos Valor
Menor del la muestra

El número de intervalos de clase (k), se establece de acuerdo a la

recomendación de la siguiente tabla:

En este caso el n = 125, lo cual de acuerdo con la tabla se pueden

tomar valores comprendidos entre 7 y 12, para el ejemplo se tomará k = 9 y con este
valor se determina el intervalo de clase (Ic)
En este caso la distribución de los
datos tienen una tendencia central
entre 3,40 mm y 4,40 mm y siguen
una distribución normal, sin embargo
aproximadamente el 87 % de los
datos están entre los valores de
especificaciones establecidas por el
cliente (3,40 mils y 4,40 mils), por lo
tanto el proceso no es aceptable.
CARTAS DE CONTROL
El Mejoramiento del Proceso y las
Gráficas de Control
Entrada Salida

Proceso

Sistema de
Medición

4. Verificar y 1. Detectar la Causa

Observar Asignable

3. Implantar Acción 2. Identificar la Causa

Correctiva Raíz
HTAS. BASICAS 25
 Característica de
calidad
Característica cuantitativa; puede
expresarse mediante un número real
VARIABLE o ser medida o recogida en una
escala continua.

Dureza, peso,
friabilidad

Característica cualitativa; se
observa si un artículo posee o no
dicha característica.
ATRIBUTO La característica no responde
a una escala de medida y debe ser
clasificada dentro de un conjunto
de categorías.

Color,
rajaduras
 GRAFICAS DE CONTROL

• Dr. Walter Shewhart

Laboratorios Bell ~1920
• Fué el primero en hacer la distinción entre variación controlada y
no-controlada debida a causas comunes y especiales.
• Es la única herramienta que distingue entre causas especiales y
causas comunes de la variación.

¿Qué es una Gráfica de

Control?
• Es la representación gráfica de una característica de un proceso.
• Representa a un proceso mostrando si solo están presentes causas
comunes de variación.
• Le dice si algo está cambiando en su proceso y en que momento
está sucediendo tal cambio.
• No le dice que está causando el cambio y si este es “bueno” o
“malo”.
 Componentes de una Gráfica de Control

Límite de Control Superior (µ + 3σ)

X-bar C hart for KPO V

615
UCL=613.6

Media (µ)
Sample Mean

605

X =599.1

595

585 LCL=584.6

0 10 20
Sample Number

Límite de Control Inferior (µ - 3σ)

28
 Construcción del Gráfico
• Paso 1. Antes que nada, determina cuál es el proceso a trabajar y cuál
es la característica de calidad que vas a medir. ¿Acaso es peso,
longitud, número de defectos o volumen? Determine el método y los
criterios de medición.
• Paso 2: Seleccione el punto de obtención de datos, defina el tipo de
gráfico de control
• Paso 3: Determina el tiempo y define la cantidad de muestras a
considerar (considera al menos 20) y el tamaño de unidades por
muestra.
• Paso 4: Recopila los datos.
• Paso 5: Determina la línea central y el límite de control superior e
inferior.
• Paso 6: Representa los datos en la gráfica.
• Paso 7: Analiza el resultado. Interpreta el gráfico.
 Clasificación Tipos de
Cartas de Control
Cartas de Control
(gráficos de control)

Cartas de Control Cartas de Control

(Gráficos por Variables) (Gráficos por Atributos)

Cartas R Cartas X Cartas P-nP Cartas C-U

 Cartas de Control X-R
• Base para desidir a que se deben las
causas de ls variaciones de la calidad

Graficas X-R para productos cuya calidad se miden en variables (Peso,

Dimensiones, Dureza, Resistencia etc.)
 Control Charts
for Variables

West Allis Industries

The management of West Allis Industries is
concerned about the production of a special
metal bolt ordered by several of their largest
customers. The diameter of the bolt is
critical.
32
34
 Subgroup Size
Si se estan procesando 400 pernos por dia, Entonces se establece una muestra
de 20 unidades (tamaño de la muestra). De este modo podemos establecer, si
el subgrupo es de tamaño 4, (20/4 ~ 5) el numero de subgrupos total sera 5

Lot size Sample size

91-150 10
151-280 15
281-400 20
401-500 25
501-1,200 35
1,201-3,200 50
3,201-10,000 75
10,001-35,000 100
35,001-150,000 150 35
 Obtención de las muestras

Entonces se muestrearan en 5 muestras (subgrupos) conformado por 4

unidades por muestra . Durante 24 horas
24/5= 4.8 (cada 4.8 horas se muestreara) redondeamos a 5 horas

7:00

Muestreo

12.000

Muestreo
Control chart factors
n A A2 A3 c4 B3 B4 B5 B6 d2 1/d2 d3 D1 D2 D3 D4
2 2.121 1.880 2.659 0.7979 0.000 3.267 0.000 2.606 1.128 0.8862 0.853 0.000 3.686 0.000 3.267
3 1.732 1.023 1.954 0.8862 0.000 2.568 0.000 2.276 1.693 0.5908 0.888 0.000 4.358 0.000 2.575
4 1.500 0.729 1.628 0.9213 0.000 2.266 0.000 2.088 2.059 0.4857 0.880 0.000 4.698 0.000 2.282
5 1.342 0.577 1.427 0.9400 0.000 2.089 0.000 1.964 2.326 0.4299 0.864 0.000 4.918 0.000 2.114
6 1.225 0.483 1.287 0.9515 0.030 1.970 0.029 1.874 2.534 0.3946 0.848 0.000 5.079 0.000 2.004
7 1.134 0.419 1.182 0.9594 0.118 1.882 0.113 1.806 2.704 0.3698 0.833 0.205 5.204 0.076 1.924
8 1.061 0.373 1.099 0.9650 0.185 1.815 0.179 1.751 2.847 0.3512 0.820 0.388 5.307 0.136 1.864
9 1.000 0.337 1.032 0.9693 0.239 1.761 0.232 1.707 2.970 0.3367 0.808 0.547 5.394 0.184 1.816
10 0.949 0.308 0.975 0.9727 0.284 1.716 0.276 1.669 3.078 0.3249 0.797 0.686 5.469 0.223 1.777
11 0.905 0.285 0.927 0.9754 0.321 1.679 0.313 1.637 3.173 0.3152 0.787 0.811 5.535 0.256 1.744
12 0.866 0.266 0.886 0.9776 0.354 1.646 0.346 1.610 3.258 0.3069 0.778 0.923 5.594 0.283 1.717
13 0.832 0.249 0.850 0.9794 0.382 1.618 0.374 1.585 3.336 0.2998 0.770 1.025 5.647 0.307 1.693
14 0.802 0.235 0.817 0.9810 0.406 1.594 0.399 1.563 3.407 0.2935 0.763 1.118 5.696 0.328 1.672
15 0.775 0.223 0.789 0.9823 0.428 1.572 0.421 1.544 3.472 0.2880 0.756 1.203 5.740 0.347 1.653
16 0.750 0.212 0.763 0.9835 0.448 1.552 0.440 1.526 3.532 0.2831 0.750 1.282 5.782 0.363 1.637
17 0.728 0.203 0.739 0.9845 0.466 1.534 0.458 1.511 3.588 0.2787 0.744 1.356 5.820 0.378 1.622
18 0.707 0.194 0.718 0.9854 0.482 1.518 0.475 1.496 3.640 0.2747 0.739 1.424 5.856 0.391 1.609
19 0.688 0.187 0.698 0.9862 0.497 1.503 0.490 1.483 3.689 0.2711 0.733 1.489 5.889 0.404 1.596
20 0.671 0.180 0.680 0.9869 0.510 1.490 0.504 1.470 3.735 0.2677 0.729 1.549 5.921 0.415 1.585
21 0.655 0.173 0.663 0.9876 0.523 1.477 0.516 1.459 3.778 0.2647 0.724 1.606 5.951 0.425 1.575
22 0.640 0.167 0.647 0.9882 0.534 1.466 0.528 1.448 3.819 0.2618 0.720 1.660 5.979 0.435 1.565
23 0.626 0.162 0.633 0.9887 0.545 1.455 0.539 1.438 3.858 0.2592 0.716 1.711 6.006 0.443 1.557
24 0.612 0.157 0.619 0.9892 0.555 1.445 0.549 1.429 3.895 0.2567 0.712 1.759 6.032 0.452 1.548
25 0.600 0.153 0.606 0.9896 0.565 1.435 0.559 1.420 3.931 0.2544 0.708 1.805 6.056 0.459 1.541
 Control Charts
for Variables
Special Metal Bolt
Sample Sample
Number 1 2 3 4
1
2
3
4
5

38
 Control Charts
for Variables
Special Metal Bolt
Sample Sample
Number 1 2 3 4
1 0.5014 0.5022 0.5009 0.5027
2 0.5021 0.5041 0.5024 0.5020
3 0.5018 0.5026 0.5035 0.5023
4 0.5008 0.5034 0.5024 0.5015
5 0.5041 0.5056 0.5034 0.5047
Should be at least 20 samples of size 4 to
calculate the control limits.
39
 Control Charts
for Variables
Special Metal Bolt
Sample Sample
Number 1 2 3 4 R
1 0.5014 0.5022 0.5009 0.5027
2 0.5021 0.5041 0.5024 0.5020
3 0.5018 0.5026 0.5035 0.5023
4 0.5008 0.5034 0.5024 0.5015
5 0.5041 0.5056 0.5034 0.5039

40
 Control Charts
for Variables
Special Metal Bolt
Sample Sample
Number 1 2 3 4 R
1 0.5014 0.5022 0.5009 0.5027
2 0.5021 0.5041 0.5024 0.5020
3 0.5018 0.5026 0.5035 0.5023
4 0.5008 0.5034 0.5024 0.5015
5 0.5041 0.5056 0.5034 0.5039

41
 Control Charts
for Variables
Special Metal Bolt
Sample Sample
Number 1 2 3 4 R
1 0.5014 0.5022 0.5009 0.5027
2 0.5021 0.5041 0.5024 0.5020
3 0.5018 0.5026 0.5035 0.5023
4 0.5008 0.5027
0.5034 – 0.5009
0.5024 0.5015 = 0.0018
5 0.5041 0.5056 0.5034 0.5039

42
 Control Charts
for Variables
Special Metal Bolt
Sample Sample
Number 1 2 3 4 R
1 0.5014 0.5022 0.5009 0.5027 0.0018
2 0.5021 0.5041 0.5024 0.5020
3 0.5018 0.5026 0.5035 0.5023
4 0.5008 0.5027
0.5034 – 0.5009
0.5024 0.5015 = 0.0018
5 0.5041 0.5056 0.5034 0.5039

43
 Control Charts
for Variables
Special Metal Bolt
Sample Sample
Number 1 2 3 4 R
1 0.5014 0.5022 0.5009 0.5027 0.0018
2 0.5021 0.5041 0.5024 0.5020
3 0.5018 0.5026 0.5035 0.5023
4 0.5008 0.5027
0.5034 – 0.5009
0.5024 0.5015 = 0.0018
5 0.5041 0.5056 0.5034 0.5039
0.5041 - 0.5020 = 0.0021

44
 Control Charts
for Variables
Special Metal Screw
Sample Sample
Number 1 2 3 4 R
1 0.5014 0.5022 0.5009 0.5027 0.0018
2 0.5021 0.5041 0.5024 0.5020 0.0021
3 0.5018 0.5026 0.5035 0.5023 0.0017
4 0.5008 0.5034 0.5024 0.5015 0.0026
5 0.5041 0.5056 0.5034 0.5047 0.0022

45
 Control Charts
for Variables
Special Metal Bolt
Sample Sample
Number 1 2 3 4 R
1 0.5014 0.5022 0.5009 0.5027 0.0018
2 0.5021 0.5041 0.5024 0.5020 0.0021
3 0.5018 0.5026 0.5035 0.5023 0.0017
4 0.5008 0.5034 0.5024 0.5015 0.0026
5 0.5041 0.5056 0.5034 0.5047 0.0022
R= 0.0021

46
 R Chart
Control Limits
UCL R = D 4 R
From Table S6.1
LCL R = D 3 R

s Sample Range at
 Ri Time i
R = i =1
s # Samples
47
 Control Charts
for Variables
Control Charts – Special Metal Bolt
R-Charts R = 0.0021

UCLR = D4R
LCLR = D3R

48
 Control Charts
for
Control Chart Variables
Factors
Factor for UCL Factor for Factor
Size of and LCL for LCL for UCL for
Sample x-Charts R-Charts R-Charts
(n) (A2) (D3) (D4)
2 1.880 0 3.267
3 1.023 0 2.575
4 0.729 0 2.282
5 0.577 0 2.115
6 0.483 0 2.004
7 0.419 0.076 1.924
49
 Control Charts
for
Control Chart Variables
Factors
Factor for UCL Factor for Factor
Control
Size of
Charts - Special Metal
and LCL for
Screw UCL for
LCL for
Sample
R - Charts x-Charts R-Charts
R = 0.0020 R-Charts
D4 = 2.2080
(n) (A2) (D3) (D4)
2 1.880 0 3.267
3 1.023 0 2.575
4 0.729 0 2.282
5 0.577 0 2.115
6 0.483 0 2.004
7 0.419 0.076 1.924
50
 Control Charts
for Variables
Control Charts—Special Metal Bolt
R-Charts R = 0.0021 D4 = 2.282
D3 = 0
UCLR = D4R
LCLR = D3R

51
 Control Charts
for Variables
Control Charts—Special Metal Bolt
R-Charts R = 0.0021 D4 = 2.282
D3 = 0
UCLR = D4R
LCLR = D3R

UCLR = 2.282 (0.0021) = 0.00479 in.

52
 Control Charts
for Variables
Control Charts—Special Metal Bolt
R-Charts R = 0.0021 D4 = 2.282
D3 = 0
UCLR = D4R
LCLR = D3R

UCLR = 2.282 (0.0021) = 0.00479 in.

LCLR = 0 (0.0021) = 0 in.
53
 Control Charts
for Variables
Control Charts—Special Metal Bolt
R-Charts R = 0.0021 D4 = 2.282
D3 = 0
UCLR = D4R
LCLR = D3R

UCLR = 2.282 (0.0021) = 0.00479 in.

LCLR = 0 (0.0021) = 0 in.
54
 Range Chart -
Special Metal Bolt

56
 X Chart

• Monitorea promedio del proceso

• Variables control chart

– Intervalos o ratio de datos numericos

• Muestra el promedio de las muestras en el

tiempò

57
 X Chart
Control Limits
UCL x = x + A  R From
Table S6.1

LCLx = x − A  R Sample
Range at
Sample
Time i
s Mean at
 xi Time i s
 Ri
x = i =1
R = i =1
s s
# Samples
58
 Control Charts
for Variables
Special Metal Bolt
Sample Sample
Number 1 2 3 4
1 0.5014 0.5022 0.5009 0.5027
2 0.5021 0.5041 0.5024 0.5020
3 0.5018 0.5026 0.5035 0.5023
4 0.5008 0.5034 0.5024 0.5015
5 0.5041 0.5056 0.5034 0.5047

59
 Control Charts
for Variables
Special Metal Bolt
Sample Sample
_
Number 1 2 3 4 R x
1 0.5014 0.5022 0.5009 0.5027
2 0.5021 0.5041 0.5024 0.5020
3 0.5018 0.5026 0.5035 0.5023
4 0.5008 0.5034 0.5024 0.5015
5 0.5041 0.5056 0.5034 0.5039

60
 Control Charts
for Variables
Special Metal Bolt
Sample Sample
_
Number 1 2 3 4 R x
1 0.5014 0.5022 0.5009 0.5027
2 0.5021 0.5041 0.5024 0.5020
3 0.5018 0.5026 0.5035 0.5023
4 0.5008 0.5034 0.5024 0.5015
5 0.5041 0.5056 0.5034 0.5039

61
 Control Charts
for Variables
Special Metal Bolt
Sample Sample
_
Number 1 2 3 4 R x
1 0.5014 0.5022 0.5009 0.5027 0.0018 0.5018
2 0.5021 0.5041 0.5024 0.5020
3 0.5018 0.5026 0.5035 0.5023
4 0.5008 0.5034 0.5024 0.5015
5(0.5014 + 0.5022
0.5041 0.5056+ 0.5009
0.5034 +0.5039
0.5027)/4 = 0.5018

62
 Control Charts
for Variables
Special Metal Bolt
Sample Sample
_
Number 1 2 3 4 R x
1 0.5014 0.5022 0.5009 0.5027 0.0018 0.5018
2 0.5021 0.5041 0.5024 0.5020
3 0.5018 0.5026 0.5035 0.5023
(0.5021
4 +0.5008
0.50410.5034
+ 0.5024 + 0.5020)/4
0.5024 0.5015 = 0.5027
5 0.5041 0.5056 0.5034 0.5039

63
 Control Charts
for Variables
Special Metal Bolt
Sample Sample
_
Number 1 2 3 4 R x
1 0.5014 0.5022 0.5009 0.5027 0.0018 0.5018
2 0.5021 0.5041 0.5024 0.5020 0.0021 0.5027
3 0.5018 0.5026 0.5035 0.5023 0.0017 0.5026
4 0.5008 0.5034 0.5024 0.5015 0.0026 0.5020
5 0.5041 0.5056 0.5034 0.5047 0.0022 0.5045

64
 Control Charts
for Variables
Special Metal Bolt
Sample Sample
_
Number 1 2 3 4 R x
1 0.5014 0.5022 0.5009 0.5027 0.0018 0.5018
2 0.5021 0.5041 0.5024 0.5020 0.0021 0.5027
3 0.5018 0.5026 0.5035 0.5023 0.0017 0.5026
4 0.5008 0.5034 0.5024 0.5015 0.0026 0.5020
5 0.5041 0.5056 0.5034 0.5047 0.0022 0.5045
R= 0.0021
=
x= 0.5027

65
 Control Charts
for Variables
Control Charts—Special Metal Bolt
X-Charts R = 0.0021
x= = 0.5027
=
UCLx = x + A2R
LCL = x= - A R
x 2

Example 7.1 66
 Control Charts
for
Control Chart Variables
Factors
Factor for UCL Factor for Factor
Control
Size of
Charts - Special Metal
and LCL for
Screw UCL for
LCL for
Sample
x - Charts x-Charts R-Charts
R = 0.0020 R-Charts
(n) (A2) x = 0.5025 (D3) (D4)
2
UCL = x + 1.880
A 0 3.267
x 2R
3 1.023 0 2.575
LCL
4 x = x - A0.729
2R 0 2.282
5 0.577 0 2.115
6 0.483 0 2.004
7 0.419 0.076 1.924

Example 7.1 67
 Control Charts
for Variables
Control Charts—Special Metal Bolt
x- Charts R = 0.0021 A2 = 0.729
x= = 0.5027
=
UCLx = x + A2R
LCL = x= - A R
x 2

68
 Control Charts
for Variables
Control Charts—Special Metal Bolt
x-Charts R = 0.0021 A2 = 0.729
x= = 0.5027
=
UCLx = x + A2R
LCL = x= - A R
x 2

UCLx = 0.5027 + 0.729 (0.0021) = 0.5042 in.

Example 7.1 69
 Control Charts
for Variables
Control Charts—Special Metal Bolt
x-Charts R = 0.0021 A2 = 0.729
x= = 0.5027
=
UCLx = x + A2R
LCL = x= - A R
x 2

UCLx = 0.5027 + 0.729 (0.0021) = 0.5042 in.

LCLx = 0.5027 – 0.729 (0.0021) = 0.5012 in.
70
x- Chart Special Metal Bolt

72
x-Chart Special Metal Bolt

73
x-Chart Special Metal Bolt

Investigate Cause

74
 Monitoreo y Control del Peso
de un Producto
Una empresa que elabora AGROQUIMICOS, debe mantener el PESO de
sus COSTALES en 50 Kgs, con una tolerancia de +/- 1 Kgs. Su
especificación inferior (EI) = 49 Kgs, y su especificación superior (ES)
será de 51 Kgs.

Para monitorear el proceso de envasado, utilizaremos una carta de control

X-R.

Para hacer un estudio inicial del desempeño del proceso de llenado, en un

lapso de tiempo suficientemente representativo, en un período de 3 días
de 8 horas, se llenarán 4 sacos consecutivamente, y se pesaran cada hora,
registrando sus pesos en Kgs.

Luego, se analizarán los datos, calculando la media de los costales cad hora,
y el rango de los mismos,así:
 MUESTRA o SUB- Peso de los costales (KGS) MEDIA
MEDIA RANGO
GRUPO Cuadrada
Costal 1 Costal 2 Costal 3 Costal 4
1 50.2 49.9 49.0 50.1 49.80 2480.04 1.2
2 50.3 50.2 50.0 49.3 49.95 2495.00 1.0
3 49.8 50.0 50.0 49.7 49.88 2487.52 0.3
4 50.0 49.4 50.1 50.5 50.00 2500.00 1.1
5 50.2 49.8 49.1 49.9 49.75 2475.06 1.1

Carta de 6 49.2 50.7 49.1 49.8 49.70 2470.09 1.6

7 49.6 49.9 49.5 49.9 49.73 2472.58 0.4
Control tipo
8 50.2 49.8 49.5 50.6 50.03 2502.50 1.1
Shewart 9 50.1 49.3 49.0 49.3 49.43 2442.83 1.1
10 50.8 49.6 49.8 50.4 50.15 2515.02 1.2
11 50.7 48.8 49.7 50.1 49.83 2482.53 1.9
12 50.3 49.6 49.4 49.3 49.65 2465.12 1.0
13 49.3 49.3 49.2 50.5 49.58 2457.68 1.3
14 50.2 50.5 50.2 50.9 50.45 2545.20 0.7
15 48.8 50.2 49.5 49.6 49.53 2452.73 1.4
16 50.9 49.5 49.3 49.9 49.90 2490.01 1.6
17 49.7 48.8 49.6 49.5 49.40 2440.36 0.9
18 49.4 49.3 49.4 50.2 49.58 2457.68 0.9
19 49.9 49.7 49.9 49.1 49.65 2465.12 0.8
20 49.7 49.2 49.4 49.7 49.50 2450.25 0.5
21 50.6 49.6 49.6 49.9 49.93 2492.51 1.0
22 49.9 49.9 50.0 49.7 49.88 2487.52 0.3
23 49.6 50.2 49.9 48.7 49.60 2460.16 1.5
24 49.6 48.9 50.2 49.0 49.43 2442.83 1.3
49.76 2476.26 1.05
X Media X2 Rango R
 Límites de Control Superior e Inferior en
un Diagrama de Control
*Tamaño de Estimación
Carta X Carta R de (s)
la Muestra

n A2 D3 D4 d2
2 1.880 0 3.267 1.128
3 1.023 0 2.575 1.693
4 0.729 0 2.282 2.059
5 0.577 0 2.115 2.326

LCS = X + A2R LCS = 49.76 + (0.729)(1.05) = 50.526

L Central = 49.76
L Central = X LCI= 49.76 - (0.729)(1.05) = 48.996
LCI= X – A2R
*Tabla: Factores para la construcción de las Cartas de Control
 49.80 50.45
51.00

50.526

50.00

49.00
48.966

48.00 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
 Gráfica Xbarra-R de C1, ..., C4
50.5 LCS=50.526
Media de la muestra

50.0
__
X=49.761

49.5

49.0 LCI=48.997
1 3 5 7 9 11 13 15 17 19 21 23
Muestra

2.4 LCS=2.396
Rango de la muestra

1.8

1.2 _
R=1.05

0.6

0.0 LCI=0
1 3 5 7 9 11 13 15 17 19 21 23
Muestra
✓ Los limites de control reflejan la variación esperada para las
medias muestrales de tamaño n, mientras el proceso no tenga
cambios importantes
✓ Se espera que el peso de los costales varíe entre 48.996 Kgs a
50.526 Kgs
✓ Estos límites de control nos ayudan a detectar CAMBIOS en
la MEDIA del PROCESO para evaluar su estabilidad
✓ NO SON LAS ESPECIFICACIONES O TOLERANCIAS
INDICADAS POR MI CLIENTE
✓ Límites de Control nos ayudan a detectar donde puede estar
el o los factores de variabilidad, y como
controlarlos para obtener las tolerancias requeridas
Cartas de Control de
Proceso
◼X
◼S

82
 ✓ El gráfico X-S básicamente análogo al gráfico X-R, presenta la ventaja de ser más
eficaz estimando la variabilidad.
✓ Estas Líneas son:
➢ Para la parte superior del gráfico (gráfico de Medias):

▪ Límite Superior = 𝑋 + A3 . 𝑆
𝑋𝑖 − 𝑋 2
▪ Línea central es 𝑋 𝑛
𝑖=
𝑆= 1
▪ Límite Inferior = 𝑋 - A 3 . 𝑆 𝑛−1

➢ Para la parte inferior del gráfico (gráfico de Desviaciones Típicas) :

▪ Límite Superior = B4 . 𝑆
▪ línea central es, 𝑆
▪ Límite Inferior = B3 . 𝑆

✓ Donde A3, B3 y B4 son constantes que dependen únicamente del tamaño n de la

muestra utilizada y se toman de la siguiente.

Francisco José García Álvarez 2-10

• Si se compara una grafica X-R con una
grafica X-S, la primera se calcula con
mayor facilidad y también su explicación
es más sencilla.
• La desviación estándar de la muestra del
subgrupo se calcula empleando todos los
datos, no solo los valores superior e
inferior, como en el caso de la grafica R.
Por consiguiente, una grafica S es mas
precisa que una R.
• Si el tamaño de los subgrupos es de
menos de 10, ambas graficas mostraran la
misma variación;
• si el tamaño de los subgrupos es de 10 o
mas, los valores extremos tendrán una
injustificada influencia en la grafica R. por
lo tanto, con tamaños de subgrupos
mayores, deberá emplearse la grafica S.
 CARTA DE CONTROL
XyS

Los siguientes datos representan la resistencia a la tracción de muestras de

implantes quirurgicos de acero Determinar si el proceso esta en control Aplicando
carta de control X- S.
Subgrupo X1 X2 X3 X4 X5 Xbarra Desv Std
1 499.55 498.08 500.37 501.91 501.80 500.34 1.61
2 502.60 496.72 499.65 501.64 498.37 499.8 2.39
3 498.96 497.46 497.23 498.53 498.84 498.21 0.8
4 496.82 499.15 499.39 500.20 499.45 499 1.28
5 499.51 499.44 502.01 499.87 499.72 500.11 1.08
6 499.23 502.96 501.30 503.56 499.02 501.21 2.08
7 502.49 497.58 500.81 501.35 502.88 501.02 2.1
8 499.87 499.21 501.01 499.43 501.14 500.13 0.89
9 497.83 498.73 497.72 499.46 499.95 498.74 0.98 XBarra
10 500.04 499.52 503.29 497.39 498.90 499.83 2.18
11 496.13 502.17 498.08 499.02 501.14 499.31 2.41 X1 499.55 - 500.34 = 0.793
12 500.70 501.31 500.89 497.94 498.33 499.83 1.57
13 501.04 500.48 498.59 499.64 500.20 499.99 0.93
14 500.84 500.21 498.63 502.83 500.73 500.65 1.5 X2 498.08 - 500.34 = 2.259
15 500.11 501.24 501.29 499.05 498.62 500.06 1.23
16 501.67 498.20 497.66 501.07 500.96 499.91 1.84
17 503.31 502.17 501.96 500.17 500.00 501.52 1.41 X3 500.37 - 500.34 = 0.024
18 500.68 499.96 498.42 497.34 501.24 499.53 1.62
19 500.67 500.93 500.32 498.46 501.86 500.45 1.25
20 499.53 498.74 498.77 499.36 499.32 499.14 0.36 X4 501.91 - 500.34 = 1.572
21 499.21 501.27 500.77 499.09 501.96 500.46 1.27
22 497.36 500.83 499.83 500.06 499.02 499.42 1.32
23 499.18 501.27 501.20 500.68 501.04 500.68 X5 501.80 - 500.34 = 1.455
0.87
24 502.45 500.46 500.88 502.78 499.50 501.21 1.38
25 501.56 500.22 501.71 499.78 498.83 500.42 1.22
26 501.61 499.13 500.80 500.82 499.53 500.38 1.02
27 499.34 497.95 502.99 499.15 500.13 499.91 1.89
28 499.65 504.25 501.88 501.32 502.00 501.82 1.65
(0.793) 2 +(2.259) –(0.024) 2 +(1.572) 2 +(1.455) 2
29 500.28 500.81 499.63 498.17 501.90 500.16 1.39
30 499.57 498.04 501.15 501.18 500.64 500.11 1.33
31 500.61 499.03 501.08 500.79 501.61 500.62 0.97
32 495.85 500.70 502.20 497.42 500.07 499.25
0.628+5.102+0.001+2.472+2.117=10.32
2.57
33 502.03 502.53 500.36 500.22 502.78 501.58 1.21
34 499.94 499.01 501.36 499.99 501.56 500.37 1.07
35 500.65 502.18 499.82 498.56 497.69 499.78 1.76
36 496.15 500.15 500.45 499.97 500.30 499.41
37 500.39 502.21 500.13 498.32 497.92 499.79
1.83 10.32/4 =1.61
38 500.29 501.43 497.74 499.09 500.79 499.86
1.73
1.47
𝑆=
39 499.67 499.48 499.75 499.34 498.80 499.41 0.38
40 500.97 500.09 501.90 500.39 500.09 500.69 0.77
Xbarra LCI LC LCS
500.34 498.08 500.10 502.12
499.80 498.08 500.10 502.12
498.21 498.08 500.10 502.12
A3 = 1.427
499.00 498.08 500.10 502.12
500.11 498.08 500.10 502.12
501.21 498.08 500.10 502.12 XDobleBarra 500.10
501.02 498.08 500.10 502.12
500.13 498.08 500.10 502.12
498.74
499.83
498.08
498.08
500.10
500.10
502.12
502.12
Sbarra 1.42
499.31 498.08 500.10 502.12
499.83 498.08 500.10 502.12
499.99
500.65
498.08
498.08
500.10
500.10
502.12
502.12
LCS = 500.10 + (1.427)(1.42) = 502.12
500.06
499.91
498.08
498.08
500.10
500.10
502.12
502.12 L Central = 500.1
LCI= = 500.10 -(1.427)(1.42) = 498.08
501.52 498.08 500.10 502.12
499.53 498.08 500.10 502.12
500.45 498.08 500.10 502.12
499.14 498.08 500.10 502.12
500.46 498.08 500.10 502.12
499.42 498.08 500.10 502.12 Gráfico de Control de Media (XBarra)
500.68 498.08 500.10 502.12
503.00
501.21 498.08 500.10 502.12
500.42 498.08 500.10 502.12 502.00
500.38 498.08 500.10 502.12
501.00
499.91 498.08 500.10 502.12
Media

501.82 498.08 500.10 502.12 500.00

500.16 498.08 500.10 502.12
499.00
500.11 498.08 500.10 502.12
500.62 498.08 500.10 502.12 498.00
499.25 498.08 500.10 502.12
497.00
501.58 498.08 500.10 502.12 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39
500.37 498.08 500.10 502.12
Subgrupos
499.78 498.08 500.10 502.12
499.41 498.08 500.10 502.12
499.79 498.08 500.10 502.12
499.86 498.08 500.10 502.12
499.41 498.08 500.10 502.12
500.69 498.08 500.10 502.12
500.10
Desv Std LCI LC LCS
1.61 0.00 1.42 2.96
2.39 0.00 1.42 2.96 B4 = 2.089 B3 = 0
0.80 0.00 1.42 2.96
1.28 0.00 1.42 2.96
1.08 0.00 1.42 2.96
2.08 0.00 1.42 2.96 Sbarra 1.42
2.10 0.00 1.42 2.96
0.89 0.00 1.42 2.96
0.98 0.00 1.42 2.96
2.18 0.00 1.42 2.96
2.41
1.57
0.00
0.00
1.42
1.42
2.96
2.96
LCS = (1.42)(2.089) = 2.96
0.93
1.50
0.00
0.00
1.42
1.42
2.96
2.96 L Central = 1.42
1.23 0.00 1.42 2.96
1.84
1.41
0.00
0.00
1.42
1.42
2.96
2.96
LCI= = (1.42)(0.0) = 0.00
1.62 0.00 1.42 2.96
1.25 0.00 1.42 2.96
0.36 0.00 1.42 2.96
1.27 0.00 1.42 2.96 Gráfica S de C1, ..., C5
1.32 0.00 1.42 2.96
3.0 LCS=2.956
0.87 0.00 1.42 2.96
1.38 0.00 1.42 2.96
2.5
1.22 0.00 1.42 2.96
1.02 0.00 1.42 2.96
Desv.Est. de la muestra

1.89 0.00 1.42 2.96 2.0

1.65 0.00 1.42 2.96
1.39 0.00 1.42 2.96 1.5 _
S=1.415
1.33 0.00 1.42 2.96
0.97 0.00 1.42 2.96
1.0
2.57 0.00 1.42 2.96
1.21 0.00 1.42 2.96
1.07 0.00 1.42 2.96 0.5

1.76 0.00 1.42 2.96

1.83 0.00 1.42 2.96 0.0 LCI=0
1.73 0.00 1.42 2.96 1 5 9 13 17 21 25 29 33 37
1.47 0.00 1.42 2.96
Muestra
0.38 0.00 1.42 2.96
0.77 0.00 1.42 2.96
1.42
Zona Región
Entre 2σ desde la línea central y el
Zona a
límite de control (3σ)
Zona b Entre 1σ y 2σ desde la línea central.
Zona c Dentro de 1σ de la línea central
 ANÁLISIS DE PAUTAS DE COMPORTAMIENTO

Tendencias:

Las causas más comunes para Las causas más comunes para
la aparición de tendencias en la aparición de tendencias en
un gráfico de medias son: un gráfico de recorridos son:
 ANÁLISIS DE PAUTAS DE COMPORTAMIENTO

Ciclos:

Las causas más comunes para la aparición de ciclos en un gráfico de medias son:

Las causas más comunes para la aparición de ciclos en un gráfico de recorridos

son:
 ANÁLISIS DE PAUTAS DE COMPORTAMIENTO

Cambios Permanentes en la Tendencia Central.-

Si el cambio es repentino las causas Si el cambio es repentino las causas

más comunes para su aparición en un más comunes para su aparición en un
gráfico de medias son: gráfico de recorridos son:
 ANÁLISIS DE PAUTAS DE COMPORTAMIENTO

Mezcla de Poblaciones.-

Las causas más típicas de aparición de mezclas en un gráfico de medias son:

Las causas más típicas de aparición de mezclas en un gráfico de recorridos son:

 ANÁLISIS DE PAUTAS DE COMPORTAMIENTO

Agrupamiento.-

Las causas más típicas de aparición de esta pauta en un gráfico de medias son:

Las causas más típicas de aparición de esta pauta en un gráfico de recorridos son:
. Un punto por encima de UCL o por debajo de LCL
2. Dos puntos por encima / por debajo de 2 sigma
3. Tres de los cuatro puntos por encima / por debajo de 1 sigma
4. Ocho puntos en una fila por encima / por debajo de la línea central
5. Seis puntos en una fila ascendente o descendente (tendencia)
6. 15 puntos en una fila "abrazando" la línea central (entre -1 y +1 sigma)
7. 14 puntos en una fila alternando hacia arriba y hacia abajo
8. Ocho puntos en una fila por encima de 1 sigma o por debajo de -1 sigma